Explorez tous les épisodes du podcast Datendurst mit Tim Ebner
| Titre | Date | Durée | |
|---|---|---|---|
| UnternehmensGPT – Wofür braucht man das? | Mit Sarah Stemmler von synsugar | 30 Aug 2024 | 00:59:58 | |
Was ist eigentlich ein GPT? Was unterscheidet eine KI von einem GPT? Wie baut man ein GPT auf und welche Technologien gibt es dafür? Was hat das Ganze mit Datenqualität zu tun? Und was kann man mit einem UnternehmensGPT machen? Darüber spricht Host Tim Ebner in der neuen Folge von Datendurst mit Sarah Stemmler. Die kennen wir schon aus der letzten Folge Datendurst, in der es um’s Gründen ging. Denn Sarah hat sich gemeinsam mit ihrem Partner Sebastian selbstständig gemacht und das KI-Start up Synsugar gegründet, mit dem sie Unternehmen helfen, betriebliche Abläufe mit KI zu optimieren und die Produktivität zu steigern. Und dazu gehört mittlerweile auch, UnternehmensGPTs zu entwickeln. Doch was ist ein GPT überhaupt? Seit der Veröffentlichung von ChatGPT wurde der KI-Hype losgetreten. Dabei gibt es das Thema schon seit den 50ern und viele Unternehmen setzen es schon jahrelang ein. GPT steht dabei für eine spezielle Technologie, die das Unternehmen OpenAI (die Gründer von ChatGPT) entwickelt hat. Die Abkürzung steht für Generative Pretrained Transformers. Ein GPT ist somit eine spezielle Art von KI, wozu ja auch Predictive Maintenance und ähnliche Dinge gehören. Der Klassiker ist: Text-Input und Text-Output. Die gleiche Architektur funktioniert auch bei Bildern: Text-Input und Bild-Output. Außerdem kann ein GPT auch Code generieren und mittlerweile gibt es Forschungen zum Einsatz in Wettermodellen. Doch was unterscheidet nun ein GPT von einem UnternehmensGPT? Im Grunde heißt das, dass Unternehmen für ihre eigenen Anwendungsfälle ein GPT entwickeln. Dieses ist dann verknüpft mit den eigenen Daten bzw. der internen Wissensdatenbank. Sarah erzählt zum Beispiel von dm, wo dies mit der Tochter dm Tech umgesetzt wurde. Doch warum nicht einfach ChatGPT mit den eigenen Daten füttern? Hier kommen der Datenschutz und IT-Security dazwischen. Denn hochsensible Daten möchte man nicht mit ChatGPT in Verbindung bringen, zudem kann man bei dieser Lösung Daten nur sehr gezielt hochladen. Eine eigene GPT-Variante löst diese Probleme. Dabei bedient man sich an den Sprachmodellen vom Markt und verbindet sie mit eigenen Daten. Das ist zudem auch eine viel kostengünstigere Lösung, denn das Training eines komplett neu entwickelten Systems kostet mehrere 100 Millionen. Sarah gibt noch ein paar Tipps zum Start mit einem eigenen GPT. Wichtig ist hierbei, sich zuerst Gedanken über die eigenen Use Cases zu machen. Dazu gehört auch die Datenvorbereitung, denn viele Unternehmen haben keine Single Source of Truth, die man hierfür benötigt. Außerdem wichtig: Informiert Euch über den EU AI-Act, wenn Ihr ein eigenes GPT umsetzen wollt! Zum LinkedIn-Profil von Sarah: https://www.linkedin.com/in/sarah-stemmler/ Zur Website von Synsugar: https://synsugar.com Über das BayernGPT: https://synsugar.com/blog/freistaat-bayern-plant-bayerngpt Über das Unternehmens-GPT von dm: https://open.spotify.com/episode/2fSn7aAwykXafucpwRAlNR?si=f46a586d1c1d45ce Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ [Anzeige] Datendurst-Stellenmarkt Offene Stelle: Team Lead Social Media Analytics Unternehmen: We Are Era Aufgaben: Leitung und Entwicklung eines Teams, das Social Media Daten überwacht, analysiert und interpretiert; Markt- und Wettbewerbsanalysen, Trackinganalysen und Dashboards erstellen, Influencer Markt im Auge behalten, Analysetools einführen und nutzen Über das Unternehmen: Studio- und Talent-Agency mit Standorten in Amsterdam, Berin, Köln, Kopenhagen, Paris, Madrid, Mailand und Stockholm Arbeitsort: Hybrid [Anzeige] Link zur Stellenanzeige: https://jobsearch.createyourowncareer.com/weareera/job/Berlin-Team-Lead-Social-Media-Analytics-BE-10777/1104577901/?utm_medium=podcast&utm_source=datendurst | |||
| Selbstständigkeit im Data- und KI-Bereich | Mit Sarah Stemmler von synsugar | 15 Aug 2024 | 00:57:16 | |
Wie verändert sich der Alltag durch die Selbstständigkeit? Welche Sorgen macht man sich (begründet oder unbegründet) vorher? Welche Vorteile hat die Selbstständigkeit und wie kommt man mit den Gedanken dazu klar, dass man damit vielleicht nicht den Kühlschrank füllen kann? Wieso ist Positionierung eine never-ending Story? Darüber spricht Host Tim Ebner in der neuen Folge von Datendurst mit Sarah Stemmler. Sarah hat 4 Jahre im Angestellten-Verhältnis gearbeitet und sich dann selbstständig gemacht – nun auch 4 Jahre. Doch wie ist sie überhaupt zu der Selbstständigkeit gekommen? Sarah kommt aus einer Gründerfamilie und fand Unternehmertum immer schon spannend. Auch ihr Lebenspartner Sebastian ist selbstständig und langsam aber sicher kam Sarah auf den Geschmack. Ihre Gründung kam allerdings zu einem schlechten Zeitpunkt: Kurz vor Covid und dem Lockdown. Das war für Sarah ein holpriger Start, sie fühlte sich gefangen und zunächst mit Selbstmitleid erfüllt, nahm dann aber die Möglichkeit wahr, sich intensiver mit der Selbstständigkeit zu beschäftigen. Dazu gehörte auch das digitale Vertriebsmarketing, was sie vorher nicht viel genutzt hatte. Doch Personal Branding ist viel wert und die Wirkung davon nicht zu unterschätzen. Innerlich setzte sie sich die Grenze von einem Jahr und merkte dann: Das hat funktioniert! Sie wollte weitermachen, nicht wieder zurück in die Festanstellung. Und sie merkte, dass sie durch die Selbstständigkeit auch viel spannendere Themen und Projekte um sich herum hatte. Nach 2 Jahren gründete sie dann gemeinsam mit ihrem Lebenspartner – eine Sache, die viele Menschen nicht unbedingt tun würden! Doch viele Gespräche und auch der Wunsch danach, nicht mehr als Einzelkämpfer unterwegs zu sein, sorgten dann für ein positives Bild. Nun hat Sarah einen Sparringspartner und teilt sowohl die Freiheit als auch die Verantwortung gemeinsam mit Sebastian im Unternehmen synsugar, mit dem sie Unternehmen hilft, betriebliche Abläufe mit KI zu optimieren und die Produktivität im Unternehmen zu steigern. Doch wie positioniert man sich als Freelancer oder auch Unternehmen? Für Sarah ist es wichtig, zunächst einmal herauszufinden, was man selbst möchte. Denn wenn es keine klare Positionierung gibt, dann erhält man immer wieder Anfragen, die extrem divers sind und damit auch viel Zeit fressen. Ihr Tipp ist es, optimistisch zu sein, denn wer sollte schon von einem Pessimisten kaufen wollen?
Zum LinkedIn-Profil von Sarah: https://www.linkedin.com/in/sarah-stemmler/ Zur Website von Synsugar: https://synsugar.com Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ | |||
| E05 Ad Fails auf TikTok: Wonach Analysten suchen sollten! Interview mit Jakob Strehlow | 22 Feb 2023 | 00:57:21 | |
Moiiiiiin aus Kiel und Düsseldorf! Jakob und ich sprechen darüber, was TikTok als Performance Kanal so speziell macht, und welche typischen Fehler bei Werbeanzeigen immer wieder passieren. Dazu gibt es noch Tipps vom Profi, wie man einen Account Audit auf TikTok macht, welche technischen Sachen die KPIs verhageln können und welche aktuelle organische Kampagne Jakob richtig gut fand. Kleiner Spoiler: Es ist eine Recruiting-Kampagne von einem Garten-Landschaftsbauunternehmens.
Support the show Vorschläge/Bewerbung für neue Gäste: | |||
| E04 ChatGPT: Ist das gut oder kann das weg? Interview mit Matthias Göbel von Nagra | 05 Feb 2023 | 01:29:07 | |
Also wenn die Tagesschau darüber spricht, dann machen wir das auch: Die Rede ist von ChatGPT. Matthias Göbel und ich quatschen darüber, was ChatGPT eigentlich ist, wer dahinter steckt, was man damit machen kann, wie es unter der Haube funktioniert, was man machen muss um loszulegen und darüber, was die Vor- und Nachteile sind. Denn insbesondere wenn man Geschäftsideen oder andere sensitive Daten teilt, ist die Lage bei aller Experimentierfreude noch etwas unsicher.
Vorschläge/Bewerbung für neue Gäste: | |||
| E03 Social Media Analytics im internationalen Kontext - Interview mit Sarah Sunderbrink von Zooplus | 19 Jan 2023 | 01:10:21 | |
Jetzt wird’s komplex: Sarah Sunderbrink von Zooplus erzählt uns etwas über Social Media Reporting im internationalen Kontext. Wie läuft das bei Zooplus? Was wäre ein ideales Reporting? Wie sieht die Realität aus? Warum ist es manchmal so schwer? Wie kann man das lösen? All diese Fragen klären wir - nach einem ganz schön persönlichen Einstieg - in einem sehr spaßigen Gespräch. Hört rein :) Links:
Kleine Triggerwarnung: Am Anfang sprechen wir auch über Sarahs Nebenjob als Freie Rednerin, der auch liebevolle Reden auf Beerdigungen umfasst. Support the showVorschläge/Bewerbung für neue Gäste: | |||
| E02 Wie starte ich schnell und einfach einen Podcast? | 30 Dec 2022 | 01:05:26 | |
Noch keine guten Vorsätze? Ich weiß, ich nerve. Aber: Starte doch einfach Deinen eigenen Podcast! In dieser Folge erzähle ich, wie ich zum podcasten gekommen bin, welche Learnings ich in Sachen Qualität und Vorbereitung ich früh machen musste, empfehle Dir tonnenweise nützliche Blogartikel, Tutorials und Testberichte und stelle Dir mein "Podcast MVP" (minimum viable Product aka schlankes Produkt) im Sinne von Ausrüstung, Artwork, Software und Redaktionsplanung/Gäste vor.
Support the show Vorschläge/Bewerbung für neue Gäste: | |||
| E01 Wie mache ich meinen Podcast erfolgreich - Interview mit Jonas Rashedi von FUNKE | 24 Dec 2022 | 00:41:08 | |
Jonas Rashedi - aus meiner Sicht "der" Data & Analytics Podcaster der letzten zwei Jahre - gibt sich die Ehre mein erster Gast zu sein. Zuletzt hat er als Head of Data bei Douglas gearbeitet, jetzt ist er Chief Data Officer bei FUNKE und Gründer der Agentur The Data GmbH.
Jonas hat für 2023 sogar zwei Spin Offs für seinen Podcast geplant: My Marketing is better than yours und My AdTech is better than yours.
Vorschläge/Bewerbung für neue Gäste: | |||
| E00 Teaser | 21 Dec 2022 | 00:03:44 | |
Nichts ist schlimmer als kundenunfreundliche Customer Journeys. Brüche zwischen Kanälen, ungehörtes Feedback oder der mangelnde Blick über den Tellerrand tun einfach weh. Deshalb gibt es jetzt Datendurst. Ein Podcast, in dem wir lernen, solche Schwachstellen in der Customer Journey aufzuspüren, mit Daten analysierbar machen und ganz gezielt zu optimieren. Viel Spaß beim Zuhören! Support the showVorschläge/Bewerbung für neue Gäste: | |||
| Was ist das Besondere an Google Analytics 4? | Mit Vikash Sharma | 01 Aug 2024 | 00:51:00 | |
Was sind die Grundpfeiler für GA4-Tracking? Und was ist eigentlich so besonders an Google Analytics 4, das Universal Analytics abgelöst hat? Darum geht es in der neuen Folge von Datendurst! Tim Ebner, der Host der Show, spricht mit Vikash Sharma, einem strukturierten Digital Analyst mit dem Fokus auf GA4. Vikash hat früh Erfahrung in Großkonzernen, u.a. OTTO und T-Online gemacht. Jetzt ist er selbstständig mit dem Konzept Collect, Understand, Visualize. Vikash wollte immer schon mit Zahlen, Daten und Fakten verstehen, was für Entscheidungen Menschen treffen. Aus dem Grund hat er Psychologie studiert, dann mehrere Stationen in Konzernen gemacht, wollte dann aber agiler werden und hat sich gleichzeitig mit seiner Auswanderung nach Asien selbstständig gemacht. Spannenderweise hat Vikash eine estländische Firma, was für ihn einige Vorteile bietet. Durch die Betreuung großer Accounts in den Konzernen konnte er wertvolle Erfahrungswerte sammeln. Und deswegen erzählt er auch, wofür sein Konzept steht: Collect bedeutet, erstmal Daten zu erheben, zu sammeln und datenschutzkonform zu machen. Hierzu gehört auch, herauszufinden, an welche Tools Daten in welcher Form gesendet werden. Auf der Basis kann man dann die Implementierung und damit das Tracking aufbauen. Understand bedeutet, Daten in einen Kontext zu setzen und zu verstehen. Die Aussage „wir haben am Montag 10.000 Produkte verkauft“ ist nämlich wertlos, wenn man nicht den Kontext dazu hat, wie viele Produkte normalerweise an einem Montag verkauft werden und wie viele User einen Checkout gestartet, aber abgebrochen haben. Visualize bezieht sich dann auf die Datenvisualisierung – aber zielgruppengerecht! Bei der Vorstellung von Daten neigt man oft dazu, ins absolute Detail zu gehen, doch vielleicht möchte die Zielgruppe genau diese Informationen gar nicht haben. Deswegen muss man sich immer fragen, wer der aktuelle Stakeholder ist, welche Informationen dieser benötigt und welches Informationsbedürfnis sie oder er hat. Als Visualisierungstool empfiehlt er Python zum Austausch mit anderen Analysten, ansonsten aber auch Tableau, PowerBI oder Looker Studio. Außerdem geht es um die Besonderheit von GA4 im Vergleich zu UA und wie die Migration stattfinden kann. Vikash empfiehlt immer, ein ordentliches Tracking-Konzept zu erstellen, bevor die Umsetzung mit Events erfolgt. Schließlich soll alles wartbar bleiben und die Fragen der Stakeholder sollen in vernünftige KPIs übersetzt werden. Der Fokus sollte immer auf der gesamten Data-Wertschöpfungskette liegen!
Zum LinkedIn-Profil von Vikash: www.linkedin.com/in/vikash-analytics Zur Website von Vikash: https://www.vikash-analytics.com/ Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ | |||
| Wirklich gute Dashboards brauchen schwarze Magie | Mit Evelyn Münster | 18 Jul 2024 | 00:47:11 | |
Wie macht man interessante Dashboards, die auch wirklich genutzt werden? Und was wollen Dashboard-User wirklich sehen? Darüber diskutiert Host Tim Ebner in der neuen Folge von Datendurst. Zu Gast ist Evelyn Münster, die auf Data Visualisation und Storytelling spezialisiert ist. Es geht um ein Thema, das eigentlich so einfach scheint und trotzdem so viele Probleme hervorruft: Gute Dashboards. Diese müssen nach Evelyn vor allem drei Dinge erfüllen: Klarheit, Interpretierbarkeit und Relevanz. Für Evelyn war es immer schon ein Anliegen, Dinge zu visualisieren, die sie nicht sehen kann und dadurch zu erkennen, was Dinge für Auswirkungen haben. Das bezieht sie nicht nur auf ihren Körper, sondern auch auf Websites. Als sie anfing mit der Data Visualisation wurde das noch kaum gemacht. Sie startete also mit Dashboards im Onlinemarketing, erstellte ein Produkt – doch die Menschen nutzten dieses nicht. Denn Ästhetik reicht für ein gutes Dashboard nicht aus, ansonsten finden User die Dashboards zwar interessant – aber interessant ist die kleine Schwester von scheiße und bedeutet vor allem nicht relevant. Wichtig ist zu erkennen, was hinter den Daten steht und wie der Kontext dazu aussieht – eigentlich wie Indizien in einem Kriminalroman. Evelyn ist es wichtig, die persönlichen Präferenzen der User zu befriedigen. Deswegen mag sie es auch nicht, wenn generelle Aussagen getroffen werden, wie z.B. dass Pie Charts grundsätzlich schlecht sind. Sie bringt Beispiele, an welchen Stellen genau diese Charts eine gute Visualisierung sein können. Der Kern eines guten Dashboards ist es, gute Datenfragen zu stellen. Evelyn bezeichnet das als Dark Art of Data Analytics. Die Kernaufgabe von Analytics Leaders ist es nicht, Dashboards zu bauen, sondern mit den Business Usern dazusitzen und herauszufinden, was ihre Fragen und Probleme sind. Dazu gibt sie den Vergleich zu Henry Ford, wenn dieser seine Kunden gefragt hätte, was sie gerne hätten, dann hätten sie sich schnellere Pferde gewünscht – das eigentliche Problem war aber, dass die Fortbewegung nicht schnell genug war. Bei Data Visualisation geht es also darum, herauszufinden, wo die Probleme wirklich liegen – mit dem Ziel, Business Impact zu generieren. Evelyn gibt dazu auch ein paar Beispiele für gute Datenfragen. Erst danach sollten Dashboards designed werden. Der Game Changer liegt also im guten alten Gespräch. Zum Schluss hat Evelyn noch ein Geschenk für die Hörenden, und zwar einen kostenlosen Crashkurs vom Chartdoktor. Zum LinkedIn-Profil von Evelyn: https://www.linkedin.com/in/evelynmuenster/ Zum Chartdoktor-Crashkurs: https://www.chartdoktor.com/chart-doktor-test Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ | |||
| Analysen beim Streaminganbieter RTL+ - Zielgruppen und Metriken | Mit Sascha Leweling von RTL | 04 Jul 2024 | 00:57:25 | |
Was macht Analysen im Streamingumfeld denn so besonders? Wie kriegt man Daten im Streamingumfeld analysebereit? Welche Analyseprodukte kommen dabei raus? Darum geht es in der neuen Folge von Datendurst. Der Host Tim Ebner spricht mit Sascha Leweling, Head of Customer Analytics bei RTL+, dem Streamingdienst von RTL unter dem Konzern Bertelsmann. Sascha war vorher bei Obi und hat im Marketingbereich promoviert – und aus dem Studium kennen sich die beiden Data-Liebhaber auch! Sascha’s Ziel ist es, RTL+ zu enablen, datengetrieben zu arbeiten. Dabei beschäftigt er sich natürlich auch viel mit der Weiterentwicklung seines eigenen Teams. Doch was macht Analysen im Streaming-Umfeld überhaupt so besonders? Bei RTL+ gibt es verschiedenste Angebote, neben dem Reality-TV, für das die App besonders bekannt ist. Doch eigentlich sind alle Mediengattungen vertreten, von Hörbüchern über Podcasts, Musik und Magazine bis hin zu den bekannten Serien, aber auch Sport-Übertragungen. Um die Frage zu beantworten, ist es für Sascha allerdings wichtig, nochmal genau zu erklären, was Analytics überhaupt bedeutet, denn das ist ein Begriff, der viel genutzt wird, vor allem als Synonym zu Reportings. Das ist allerdings nur ein Teil von Analytics, denn im Vordergrund steht, datengetriebene Insights zu generieren und Menschen zu enablen, mit diesen datengetrieben zu arbeiten. Jeder im Produkt soll die Daten selbst verstehen und damit arbeiten können, damit sich die Analytics-Teams noch tiefer in die Daten eingraben und noch tiefere Insights kreieren können. Die Herausforderung bei den Streaming-Analytics besteht unter anderem in der riesigen Datenmenge, die erstellt wird und darin, dass diese Rohdaten ja zunächst aggregiert werden müssen. Um das zu erklären, tauchen Tim und Sascha tief in den „Maschinenraum“ ab und diskutieren die Messungen. Die nächste Herausforderung ist dann die Zielgruppe. Diese sind bei RTL+ nämlich total unterschiedlich, was vor allem bei Accounts, die in einem Haushalt geshared werden, nochmal komplizierter wird. Sascha listet dabei die Metriken und Dimensionen auf, die er am meisten betrachtet:
Sascha gibt den Tipp: Miss nicht alles, was du kannst, sondern alles, was du brauchst und achte dabei auch darauf, was deine Stakeholder brauchen. Hier benötigt man einen gesunden Pragmatismus, auch wenn das Analystenherz dabei blutet.
Übrigens: Sascha sucht für sein Team bei RTL+ gerade einen Senior Data Analyst. Wichtig ist ihm dabei vor allem ein offenes Mindset und die Motivation, auch mal selbst loszulaufen – das ist sogar noch wichtiger als die technischen Skills auf dem Papier! Wenn Ihr Interesse habt, dann schaut mal hier: https://jobsearch.createyourowncareer.com/RTL/job/K%C3%B6ln-Senior-Data-Analyst-%28mwd%29-NW-50981/1061609701/ Zum LinkedIn-Profil von Sascha: https://www.linkedin.com/in/dr-sascha-leweling-410b6b7a/ Zur Website von RTL+: https://plus.rtl.de/ Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ | |||
| Wie Facebook’s Targeting sich verändert hat – Fokus auf das Creative | Mit Florian Litterst von adsventure | 06 Jun 2024 | 00:58:09 | |
„Social verändert sich jeden Tag, man muss aber am Ball bleiben.“ – das sagt Florian Litterst in der neuen Folge von Datendurst, in der er von Tim Ebner interviewt wird. Florian war 11 Jahre im Konzern und hat sich dann 2016 selbstständig gemacht mit Social Ads. Mittlerweile führt er die Agentur Adsventure für Social- und Performance-Ads, hat 11 Mitarbeitende und über 30 Kunden. Dabei legt Florian den Fokus auf Social Ads und Neukundengewinnung, auf eCommerce und Direct-to-Consumer-Marken. Zu seinen Kunden gehören Digital Brands wie Everdrop, aber auch Established Brands. Tim und Florian sprechen darüber, dass es wichtiger ist, als Beratung Mehrwert zu liefern, als das Wissen bei sich zu behalten und Gate-Keeping zu betreiben. Der Kern der Folge ist aber, wie sich Social Media Daten in den letzten 3 Jahren verändert haben, unter anderem durch das iOs-Update und den datenschutzfreundlicheren Umgang von Apple. Der Algorithmus ist Content-getriebener geworden. Tim macht das an einem Beispiel fest, dass sich durch die ganze Folge zieht: Katzen-Yoga! Wenn Du auf Video-Views, Reichweiten oder Impressionen gehst, dann macht es weiterhin Sinn, das Targeting granular zu definieren. Ansonsten ist es sinnvoll, auf die KI-getriebene Optimierung der Plattform zu gehen. Die beiden diskutieren auch über Core-Audiences und darüber, wie Reichweitenkampagnen gut funktionieren. Das Creative sucht sich seinen Weg und ist damit auch „the new targeting“. Florian erklärt das anhand vom TikTok-Algorithmus – auch hier wird das Video an eine Kohorte ausgespielt, ist diese interessiert und reagiert gut, dann kommt die nächste Kohorte dazu. Sein Mantra: Strategie ist wichtiger als die Botschaft, die ist wichtiger als die Anzeigengestaltung und das ist wichtiger als das technische Setup. Dann geht es noch um die Daten, die Facebook sammelt und warum gerade so ein starker Push in Richtung Meta stattfindet. Dabei werden in die Algorithmen Daten zur Nutzung, der Verbindung zu Unternehmen und Freunden, Gruppen und dem Verhalten eingebunden. Das Datenprofil wird dadurch immer tiefer angereichert und es geht nicht nur um das Verhalten auf den Plattformen selbst, sondern auch die Inhalte von Websites, die man sich anschaut. Zum Schluss gibt es noch eine moralisch-ethische Diskussion darum, wie wichtig es ist, die Privatsphäre der User zu schützen und auch um das Erkennen von Anomalien der Kampagnen-Performance.
Zum LinkedIn-Profil von Florian: https://www.linkedin.com/in/florianlitterst/
Zur Website von adsventure: http://www.adsventure.de/
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ | |||
| Data in der Kreativbranche – wie verbindet man die Bereiche? | Mit Stephanie Verch | 02 May 2024 | 00:55:05 | |
Warum ist datengetriebene oder auch dateninspirierte Kreation so schwierig? Darüber diskutiert Tim Ebner in dieser neuen Folge von Datendurst mit Stephanie Verch. Die hat schon 2013 das erste Mal Social Media und Daten verknüpft, als das noch gar nicht so dominant und vertreten war. Das gemeinsame Verständnis füreinander fehlte schon damals – aber da kommen die beiden im weiteren Verlauf der Folge zu. Stephanie ist mittlerweile selbstständig als Unternehmensberaterin mit dem Fokus auf digitale Transformation und Kommunikation. Sie unterstützt Unternehmen dabei, Strategien zu erstellen und diese operativ umzusetzen. Eins ihrer Ziele ist es, den Kreativabteilungen dabei zu helfen, virale Themen datenbasiert aufzuspüren. Und genau das, das Vorantreiben der datenbasierten Transformation, ist manchmal wie eine heiße Kartoffel, die keiner fangen will. Die Frage ist nur, wie man diese Kartoffel auf eine angenehme Temperatur bringt, sodass man sie nicht nur fangen, sondern auch essen will. Denn es gibt viele Teams, die mit Daten gerne wenig zu tun haben möchten, für die Daten eine neue, fast unlösbare Aufgabe darstellen, oder die sogar schummeln. Das liegt laut Stephanie an drei Dingen: Am Ego, weil man von den eigenen Dingen so überzeugt ist, obwohl die nicht datenvalidiert sind, an Angst, dass man mit der eigenen Inkompetenz konfrontiert wird und Kritik dafür erntet, dass man nicht so viel über Daten weiß und an Unsicherheit beim Umgang mit Daten und Dashboards. Doch oft liegen die Probleme noch tiefer: Stephanie mag es gerne, wenn es Hierarchien gibt, in denen Strategien klar vorgegeben werden. Zudem fehlt oft der politische Groundwork, die Daten sind unsauber und es besteht viel Ungeduld bei denen, die nicht so viel Expertise haben. Auch der ROI ist oft nicht direkt erkennbar, denn der Aufbau von einem Data-Team ist kostenintensiv und hat nicht direkt Impact auf den Umsatz. Dann kommt noch der Ausdruck „Innovationstheater“ in das Gespräch, das bedeutet, dass z.B. Data in der Kommunikation stark ausgeschlachtet wird und dahinter ist heiße Luft. Das ist ähnlich wie hohe Fluktuationen, die resultieren auch manchmal daraus, dass Unternehmen behaupten, etwas zu sein, was sie nicht sind. Doch wie kann man Kreativen nun mit Daten helfen? Tolle Kampagnen werden durch Daten nur besser und auch abgesicherter und weniger umstößlich. Ein Tipp der beiden ist, die bestehenden Prozesse aufzumalen und dann zu schauen, wie man die einzelnen Schritte mit Daten besser und messbarer machen kann. Hierbei helfen auch fachübergreifenden Meetings, bei denen die Traum-Prozesse skizziert werden. So können alle an einem Tisch sitzen und Strukturen und Schnittstellen aufgebaut werden. Stephanie gibt zudem noch ein paar Tipps zum Kampagnenprozess mithilfe von Daten, wobei sie betont, wie wichtig es ist, die bestehenden Thesen zu verifizieren und erst Routen aufzubauen, wenn Daten eingebunden wurden. Zum LinkedIn-Profil von Stephanie: https://www.linkedin.com/in/stephanieverch/
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/
00:00:00 Intro in die Folge 00:01:08 Stellenmarkt für Data & Analytics 00:03:31 Vorstellung Steffi 00:07:00 Daten machen Angst und sind schlecht fassbar 00:10:21 Data ist ein Invest 00:12:33 Schummeln bei Data 00:17:48 Kommunikation und Kultur verbessern 00:20:49 Innovationstheater 00:22:24 Kreative für Daten motivieren 00:29:01 Zeit für Daten muss da sein 00:31:29 Strukturen aufbrechen 00:35:02 Prozesse für Data 00:40:52 Die perfekten Data-People 00:45:53 Learnings sind am wichtigsten 00:47:39 Schritte von Kampagnenprozess 00:51:44 Strukturen und Schnittstellen | |||
| Endlich gründen und: Ist Datendurst tot? | Tipps zur Gründung von Tim Ebner | 05 Apr 2024 | 00:40:16 | |
Endlich gründen und: Ist Datendurst gestorben? | Tipps zur Gründung von Tim Ebner
Es ist einige Zeit seit der letzten Folge von Datendurst vergangen. Tim Ebner ist aber nicht eingeschlafen und Datendurst ist auch nicht gestorben. Doch es ist viel passiert im Leben von Tim. In dieser neuen Episode von Datendurst erzählt er, was. Denn Tim hat leider seinen Job bei Territory im letzten Jahr verloren. Es gab viele Nebenschauplätze und er konnte sich nicht mehr auf das konzentrieren, was er dort aufbauen wollte. Schon lange spielte er mit dem Gedanken, sich selbstständig zu machen, doch irgendwie stand ihm immer im Weg, dass er sich nicht traute. Und es war auch irgendwie immer eine neue Festanstellung in greifbarer Nähe. Doch nun ist es soweit: Datendurst gibt es nun auch als Data-Beratung! Die Gründung hat Tim allerdings viel Energie gekostet und er erzählt, was zu einer Gründung alles dazu gehört. Das waren nicht nur Mindset-Themen wie die Frage: Bin ich eigentlich zu alt zum Gründen? Was passiert, wenn das Geld nicht direkt reinkommt und er die gemeinsame Wohnung mit seiner Freundin nicht halten kann? Tim baute sich aber das Umfeld, das er zur Gründung brauchte, von Beratern bis hin zu guten Freunden, die ihn unterstützten. Er gibt Tipps zu Büchern und Podcastfolgen, die ihm geholfen haben, seine Blockaden zur Gründung zu lösen. Sein Tipp: Du kannst nicht kontrollieren, was Du fühlst, aber Du kannst kontrollieren, was Du machst. Los ging es also mit dem Portfolio-Aufbau, unter anderem mit Hilfe des Gründungscoachings der Agentur für Arbeit. Auch ein Gründerzuschuss half ihm, die nötige Sicherheit zu fühlen. Dafür schrieb Tim übrigens einen 200 Seiten-langen Business Plan! Und als er dann auf LinkedIn seinem Netzwerk offenbarte, dass er nun selbstständig ist, kamen auch direkt die ersten Kunden rein. Auch der Podcast sorgte für einen Kunden. Dazu hielt Tim Webinare, u.a. bei der OMR Education. Doch Tim spricht auch über die „Papiertiger“-Themen, wie z.B. die Wahl einer richtigen Versicherung. Als Gründer sollte man sich mit Arbeitslosenversicherung, Betriebshaftpflichtversicherung, Vermögensschadenhaftpflicht, Gewerberechtschutz und Forderungsausfallversicherung beschäftigen. Auch die Kontoeröffnung war ein schwieriges Thema. Und schließlich entschied sich Tim auch dazu, die Marke Datendurst anzumelden und erklärt dabei den Unterschied zwischen einer Wort-Marke und einer Wort-Bild-Marke. Sein administrativer Endgegner war schließlich das Finden einer Steuerkanzlei – ja, Steuerberater sind zurzeit extrem überladen und man muss hoffen, einen freien Platz zu bekommen! Und auch der Podcast wird nun wieder belebt und Ihr könnt Euch monatlich auf neue Folgen freuen, für die Tim nun auch mit einer Agentur zusammenarbeitet.
Disclaimer: Diese Folge ist keine Rechts- oder Gründungsberatung, Tim teilt einfach nur seine Erfahrungen! | |||
| E07 Knaller Datenschutz-Urteil gegen die Telekom - Darf man Google Analytics jetzt noch nutzen? Diskussion mit Philipp von Loringhoven von DataEngage | 19 May 2023 | 01:23:04 | |
Moin Miteinander 😁 Philipp ist zu Gast. Wir sprechen über das Knaller Datenschutz-Urteil gegen die Telekom zu Google Analytics (Achtung: Clickbait 😂).
Links:
Zum Abschluss ein kleines Sorry und eine Erklärung zur längeren Funkstille: Ich bereite gerade etwas vor... Deshalb mache ich gerade ganz nicht so viele Folgen. Aber: Ich gelobe Besserung und sobald die Sache spruchreif ist, sage ich natürlich Bescheid. Ihr könnt natürlich in der Zwischenzeit raten... Woran glaubt Ihr arbeite ich im Hintergrund? 😬 Vorschläge/Bewerbung für neue Gäste: | |||
| E06 Influencer Analytics: Wie kann man Influencer Kampagnen mit Daten erfolgreicher machen? Interview mit Sarah Sunderbrink von Zooplus | 21 Mar 2023 | 01:33:56 | |
Sooo, Zack Zack! Ab gehts mit der nächsten Folge hier! Wird ja allerhöchste Eisenbahn, einen Monat Funkstille... Sorry!
Ganz nebenbei sprechen wir noch über viele kostenfreie und kostenpflichtige Influencer Analytics Tools und was sie können, nämlich: Sideqik, Iroin, Kolsquare, Woomio, Infludata, Storyclash, Nindo, Hypeauditor und das gute alte Talkwalker ;) Links:
Support the show Vorschläge/Bewerbung für neue Gäste: | |||
| UNF#CK your DATA QUALITY | So werden Deine Daten besser | Mit Christian Krug von UYD | 13 Sep 2024 | 00:47:07 | |
Warum ist Datenqualität so wichtig? In welchen Abteilungen ist sie gut und wo ist sie schlecht? Was bedeutet Datenqualität überhaupt? Darum geht es in der neuen Folge von Datendurst. Host Tim Ebner hat diesmal Christian Krug vom Podcast Unf*ck Your Data zu Gast. Auch wenn man mit dem Namen oft im Spam-Filter hängenbleibt, ist es Christian wichtig, Dinge zu „unf*cken“. Neben seinem Podcast arbeitet er bei Frauscher Sensortechnik als Global Data Architect und baut dort eine zentrale Datenplattform und damit einhergehend auch ein Data Team auf. Dazu gehört auch, digitale Produkte aufzubauen und dabei interne und externe Daten zusammenzubringen. Frauscher stellt Radsensoren her, die - ganz einfach erklärt – dafür sorgen, dass Züge nicht ineinander fahren. Christian‘s Credo: Unternehmen müssen sich mehr mit Datenqualität beschäftigen! Denn Datenqualität ist wichtig, wenn Du Entscheidungen auf Basis von Daten treffen möchtest. Dafür macht Christian auch eine einfache Analogie zum Kauf eines Autos. Möchte man verschiedene Autos vergleichen, braucht man Daten, zum Beispiel Kaufpreise. Aber auch beim Hype-Thema KI ist Datenqualität wichtig, denn wenn die KI mit schlechten oder fehlerhaften Daten gefüttert wird, dann sind die Ergebnisse davon schlecht. Christian und Tim sind sich einig: Manchmal sind schlechte Daten aber auch besser als gar keine Daten. Denn wenn Du nicht mit schlechten Daten anfängst, wirst Du nie gute Daten haben. Doch was ist eigentlich Datenqualität? In Christian’s Augen bedeutet es, dass Daten, die für eine Entscheidung benötigt werden, in der richtigen Aktualität auswertbar vorliegen. Mängel können dabei Unvollständigkeit, das Format, falsche Daten, nicht integrierte oder veraltete Daten sein. Dabei ist die Datenqualität oft dann gut, wenn viel Aufmerksamkeit auf dem zugrundeliegenden Thema liegt und Druck von außen da ist. Beispiele dafür sind Finance- und bald auch ESG (Environmental, social, governance), also Nachhaltigkeit. Auch in bestimmten Branchen, wie z.B. dem Pharma- oder dem Versicherungs- und Banken-Bereich, in denen viele Kontrollen stattfinden, sind die Daten oft auch sehr gut. Schlecht wird die Datenqualität dann, wenn eben nicht darauf geguckt wird, es keine Reportings gibt und nicht kontrolliert wird. Christian erklärt, dass das vor allem im HR oft ein Problem ist. Dabei können wir es uns eigentlich nicht mehr erlauben, in der HR-Abteilung mit schlechten Daten zu arbeiten. Die Qualität in den Abteilungen kann man durch Incentives und die Untersützung vom Top-Management verbessern. Hier hilft es, einfach mal einen Tag „mitzugehen“ und dabei herauszufinden, welche Daten und Reportings nötig sind, um den Mitarbeitenden das Leben zu vereinfachen. Christian’s Tipp: Der erste Schritt für die Erhöhung der Datenqualität ist, herauszufinden, wo es klemmt. Zum LinkedIn-Profil von Christian: https://www.linkedin.com/in/christian-krug/ Zum Podcast von Christian: https://linktr.ee/christian_krug Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ | |||
| DASHBOARDS die SKALIEREN | Wie Du mit Standards für mehr Akzeptanz und Entlastung sorgst | Mit Oliver Ulbrich | 25 Oct 2024 | 01:01:06 | |
Was heißt eigentlich Skalierung? Was hat Standardisierung damit zu tun? Welche Vorteile haben Unternehmen von skalierenden Dashboards? Darüber diskutiert Host Tim Ebner in der neuen Folge von Datendurst mit Oliver Ulbrich, auch ein Nordlicht, genau wie Tim. Tims Ziel: Ihn zur Weißglut zu bringen! Oliver regt sich nämlich gerne auf... Eigentlich kommt Oliver aus der Sport- und Modebranche, ist dann als Quereinsteiger zu Data gekommen und nun als Dashboard und Business Development Lead bei den Datenpionieren. Der Übergang von privat zu beruflich ist fließend – die beiden diskutieren nämlich erstmal über Dashboards bei Katzenfutter! Aber kommen wir wieder zur Skalierung: Was bedeutet überhaupt Skalierung im Kontext von Dashboards? Für Oliver ist es, möglichst viele Menschen in die Lage zu versetzen, Zahlen zu sehen und diese dann weiterverarbeiten zu können. Dazu gehört auch, schnell, einfach und effizient Dashboards aufbereiten zu können, die dann möglichst viele Fragestellungen im Unternehmen beantworten. Die Vorteile davon liegen auf der Hand, es spart vor allem Zeit! Oliver erzählt davon, dass man während des Monatsabschlusses selten einen Termin mit dem Controlling erhält, weil die viel zu viel beschäftigt sind. Mit Dashboards haben diese Menschen plötzlich Zeit für andere Dinge! Bevor man jedoch skalieren kann, muss erst ein Standard kreiert werden. Von vorne herein sollte klar sein, wie Dashboards aufgebaut werden. Oliver zieht dabei einen Vergleich zu einem Führerschein: Wenn man den machen möchte, hat man vor allem ein Ziel: Auto fahren! Die Verkehrsregeln dafür sind der Standard. Den haben wir Alle gelernt, ob er uns gefallen hat oder nicht. Genauso sollten auch Standards für Dashboards in Unternehmen erstellt werden. Hierbei stellt Oliver die Fragen: Welche Werkzeuge nutzen wir? Welche Diagramme nutzen wir? Welche Farben nutzen wir? Oliver geht auf die einzelnen Elemente ein und erklärt sie. Dazu gehört natürlich auch das Storytelling. Der Dashboard-Experte beginnt dabei gerne auf „echtem“ Papier und fokussiert sich auf das Shneiderman Mantra, das ähnlich wie Bestellautomaten beim Fast Food aufgebaut ist: Zunächst der Overview, dann tiefergehende Antworten (Filter) und dann Details on demand.
Zum Schluss geht es noch darum, ob die KI bei diesen Themen unterstützen kann. Für Oliver ist klar: Menschen können schon an andere Menschen ihre Fragen nicht präzise formulieren. Wie sollte KI dann bessere Antworten liefern können? Außerdem gibt er noch den Rat, Dashboards als Teil eines Transformationsprozesses zu sehen. Zum LinkedIn-Profil von Oliver: https://www.linkedin.com/in/oliverulbrich/ Zur Website von Oliver: www.oliverulbrich.de Zum Podcast von Oliver und Christian: https://open.spotify.com/show/6Mp8t0sGOYvLPCGUUu1XZL Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ Disney-Animationen, die mehrfach genutzt wurden: https://youtu.be/y3hK8ATlbw0?si=xyv9h1RAnhkw03_m | |||
| [Anzeige] Der EU AI Act erklärt: Vorteile, Nachteile, Risikogruppen und Anforderungen | Mit Sirke Reimann von VIER | 11 Oct 2024 | 00:53:21 | |
Was müssen Unternehmen in Zukunft beachten beim EU AI Act? Ein Thema, das vielen Unternehmen gerade unter den Nägeln brennt und deswegen verdient es auch eine ganze Podcastfolge von Datendurst. Host Tim Ebner hat diesmal Sirke Reimann von VIER zu Gast, einer Kundenservice Software aus Deutschland, die Lösung mit Künstlicher Intelligenz verbindet. Anwendungsbeispiele sind die Zählerstandablesung bei Energieunternehmen, wobei dr Prozess dann vollautomatisch am Telefon durchgeführt wird oder auch das Briefing von Service-Agenten durch die Künstliche Intelligenz. Sirke ist Chief Information Security Officer und damit bei VIER zuständig für Informationssicherheit, Datenschutz und Compliance. Wer mehr über das Thema KI und EU AI Act erfahren möchte, kann jeden Freitag bei VIER TV reinschauen. Die beiden Experten tauchen gleich tief ins Thema ein: Schon 2019 hat die EU damit begonnen, eine KI-Verordnung zu erstellen, das Ergebnis ist der EU AI Act, der im März 2024 verabschiedet wurde und bis 2026 von allen Unternehmen umgesetzt sein soll. Das Ziel des EU AI Acts ist es, die Bevölkerung vor unethischen Entscheidungen der KI zu schützen, beispielsweise vor Schaden oder der Verletzung der Menschenwürde. So gut das klingt – es bringt jede Menge Bürokratie mit sich! Den EU AI Act erfüllen müssen einige Parteien: Anbieter, die KI-Systeme unter ihrem Namen auf den Markt bringen (dabei ist noch unklar, ob es Dienstleister oder Kunden sind), Importeure von KI-Systemen, Händler und teilweise auch die User der Systeme. Dabei gibt es 4 Risikogruppen, denen verschiedene Anforderungen gestellt werden: - Keine oder minimale Risiken Das sind Systeme, die keinen Einfluss auf das Leben haben, beispielsweise KI in Spamfiltern oder Spielen. Hier gibt es freiwillige, aber nicht verpflichtende Anforderungen. - Begrenzte Risiken Hierzu gehören LLMs und generierende Systeme, das Ziel ist hierbei, eine Transparenz herzustellen, sodass User erkennen, welche Elemente mit KI generiert wurden. - Hohe Risiken Diese Systeme haben das Potential, Menschen einen Schaden zuzufügen, beispielsweise im Personalwesen, in Bildungseinrichtungen, bei finanziellen Leistungen und auch im Strafvollzug. Hier gehen die Anforderungen über Risikomanagement und Qualitätsmanagement hinaus, eine Rückverfolgbarkeit der Entscheidungen muss möglich sein sowie eine Resistenz gegen Manipulation. - Inakzeptable Risiken Hierzu gehören KI-Systeme, die gegen die Menschenwürde verstoßen, beispielsweise durch Social Scoring oder Identifizierungssysteme. Der Wert des EU AI Acts liegt darin, dass niemand durch KI-Systeme nachteilig behandelt werden soll und somit auch das Vertrauen in KI steigen kann. Als Bevölkerung werden wir geschützt. Gleichzeitig gibt es zurzeit noch viele Unsicherheiten in der Formulierung, der Definition von KI-Systemen und es werden sich Geschäftsfelder aus der EU wegentwickeln müssen. Dafür müssen Prozesse und Strukturen geschaffen werden, der Aufwand ist noch nicht abschätzbar. Zum Schluss geht es in der Folge noch darum, wie der EU AI Act den Technologiemarkt verändern wird. Zur Website von VIER: https://www.vier.ai Zum Blog über den EU AI Act von VIER: https://www.vier.ai/unternehmen/blog/eu-ai-act-teil1/ https://www.vier.ai/unternehmen/blog/eu-ai-act-teil2/
Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ Diese Folge wurde mit freundlicher Unterstützung von vier.ai produziert. | |||
| DATENSCHUTZ als WETTBEWERBSVORTEIL – Wie Du die DSGVO besser umsetzt | Mit Mona Wrobel von TeamViewer | 27 Sep 2024 | 00:47:14 | |
Ist Datenschutz ein Qualitätsmerkmal? Kann ich haftbar gemacht werden, wenn ich eine Datenpanne in einem Unternehmen verursache? Haben Daten wirklich so viel mit Macht zu tun? Darum geht es in der neuen Folge von Datendurst. Host Tim Ebner interviewt Mona Wrobel, Anwältin im Bereich Datenschutz und IT-Recht und zusätzlich Legal Counsel bei TeamViewer. Übrigens ist auch sie Podcasterin beim eigenen Podcast „Data Date“. Doch wie kann man so fasziniert von Datenschutz sein? Mona findet das Thema nicht so komplett festgefahren wie andere Rechtsgebiete. Es ist sehr vielfältig und besonders die aktuelle KI-Entwicklung sorgt für spannende Neuerungen. In der Folge liegt der Fokus darauf, warum Datenschutz ein Qualitätsmerkmal ist. Eigentlich schon, denn das Ziel von Unternehmen ist es, dass User uns auch morgen noch Daten geben, die wir analysieren können. Hierfür muss Vertrauen aufgebaut und gehalten werden. In Europa wird dies von Verbrauchern erwartet und ist gleichzeitig ein Wettbewerbsvorteil. Doch wie sieht das Ganze eigentlich international aus? In Europa gibt es seit 6 Jahren die DSGVO, aber schon seit 30 Jahren werden in Europa flächendeckende Entscheidungen zum Datenschutz getroffen. Nach der Einführung der DSGVO haben auch andere Länder „nachgezogen“ und orientieren sich an den europäischen Regeln. Allerdings ist die Erwartungshaltung und das Verständnis der Bevölkerung in anderen Ländern oft viel freier. Die DSGVO sieht übrigens auch vor, dass Unternehmen Zertifikate für ihren Datenschutz bekommen können, allerdings ist dies auf dem Markt noch nicht umgesetzt. Datenschutz ist ganz klar kein Sprint, sondern ein Marathon, der Zeit, Geld und auch menschliche Ressourcen benötigt. Zum Start kann man sich auf den Seiten der Datenschutzbehörden umschauen und findet dort viele Vorlagen und Beispiele, die eine gute Guidance geben. Sobald die Datenverarbeitungsprozesse über den Standard hinaus gehen, benötigt man allerdings weitere Unterstützung. Und was passiert, wenn man die Datenschutzanforderungen nicht erfüllt? Wie sieht es mit der privaten Haftung einzelner Mitarbeitenden aus? Wie kann das Unternehmen seine Mitarbeiter davor schützen? Es hilft, wenn man sich organisatorisch so aufstellt, dass die Mitarbeitenden wissen, wie sie sich zu verhalten haben. Wenn dann doch ein Datenschutzvorfall geschieht, muss klargestellt werden können, dass alles bis ins Detail geregelt wurde und ein menschlicher Fehler passiert ist. Das kann das Unternehmen zunächst von der Haftung befreien. Mitarbeitende werden eigentlich nur belangt, wenn sie mit bösen Absichten gehandelt haben. Hier reichen die Strafen vom Verlust des Arbeitsplatzes bis hin zu strafrechtlichen Konsequenzen. Für Unternehmen ist eine Prüfung sehr langwierig und anstrengend. Zunächst wird ein Prüfungs-Verfahren eingeleitet, dann werden Auflagen erteilt und dann gegebenenfalls Bußgelder verhängt. Die schlechte Presse folgt zuletzt. Ziel solch eines Verfahrens ist es jedoch immer, eine Lösung zu finden, damit Datenpannen nicht mehr vorkommen. Mona und Tim geben zum Schluss noch folgende Tipps mit: - So früh wie möglich versuchen, ein gemeinsames Verständnis über die Datenverarbeitungen zu schaffen - Datenschützer früh mit einzubeziehen - Geduld haben: Guten Datenschutz erreicht man nicht über Nacht! - Berührungsängste auf beiden Seiten abbauen: Sowohl im Datenschutz als auch im Business Zum LinkedIn-Profil von Mona: https://www.linkedin.com/in/mona-wrobel-8a5587177/ Mona als Anwältin: https://eastkap.de/ Mona’s Podcast Data Date: https://datadate.podigee.io/ Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ | |||
| SPIEL mir das LIED von DATA! Von Daten und Tonleitern: Ein Datenmusiker packt aus | Mit Tiankai Feng (Ex-adidas) | 08 Nov 2024 | 00:37:14 | |
Daten zum Klingen bringen – das ist die Gabe von Tiankai Feng, der in dieser Episode von „Datendurst" Tim erklärt, wie er Daten musikalisch zum Leben erweckt. Portrait eines Datenmusikers Als Data Strategy & Governance Lead verbindet Tiankai Feng Daten mit musikalischer Kreativität. Bei ThoughtWorks setzt er sich dafür ein, Analytics greifbarer zu machen - eine Vision, die er auch in seinem Buch „Humanizing Data Strategy" verfolgt. Der Weg zur Datensymphonie Die Verbindung von DATEN und MUSIK begann mit Tiankais in seinem Job. Aus beruflichen Herausforderungen entwickelte er eine einzigartige Kombination, die schnell Aufmerksamkeit erregte. Analytics als Rap-Performance Mit seinem Song „Digital Analytics Anthem" bewies Tiankai, dass DATA-ANALYTICS auch unterhaltsam sein kann. Sein Rap fand großen Anklang in der Analytics-Community. Neue Wege der Unternehmenskommunikation Tiankais musikalische Herangehensweise erwies sich als wirksames Werkzeug zur Förderung einer kreativen Unternehmenskultur. KI-Experimente auf der TEDx-Bühne Auf der TEDx-Bühne präsentierte Tiankai ein faszinierendes KI-Experiment: Einen von ChatGPT komponierten Song. Wo künstliche Intelligenz an Grenzen stößt Während KI sich auf inkrementelle KREATIVITÄT beschränkt, liegt das Potenzial für bahnbrechende Innovationen beim Menschen. Inkrementelle Kreativität verfeinert das Bestehende. Disruptive Kreativität bringt etwas völlig Neues hervor. Harmonien zwischen Bytes und Beats Die Parallelen zwischen Musik und DATENANALYSE zeigen sich in der Bedeutung von Teamarbeit und strukturiertem Aufbau. Beide Disziplinen folgen ihren eigenen „Tonleitern". Der Durchbruch im Data-Pop „Governors of Data", sein Hit über DATA GOVERNANCE, erreichte auf YouTube und Spotify große Popularität. Brücken bauen mit Musik und Daten Seine zweisprachige Kindheit inspirierte Tiankai dazu, Musik als Brücke zwischen Menschen zu nutzen. Von Emotionen und Analysen Musik ermöglicht Tiankai, Gefühle und Verbindungen zu schaffen. Sie macht analytische Themen menschlicher. Filmmusik als Inspiration Tim erzählt, wie Hans Zimmer Gefühle besser mit Musik ausdrücken kann als mit "normaler" Sprache – etwa bei Heath Ledgers Tod und einem Amoklauf, die ihn zum Interstellar-Soundtrack inspirierten. Die Kunst des Data-Songwritings Songwriting beginnt für Tiankai mit TEXTEN, die die Richtung vorgeben. Dann folgen Akkorde, Melodien und zum Schluss Instrumente. Musikalischer Familienalltag Musik ist zentral in Tiankais Familie. Er nutzt eigene Lieder spielerisch im Alltag. Ratschläge eines Data-Musikers DATA-NERDS sollten ihre Leidenschaft einbringen. Ein persönlicher Ansatz macht die Arbeit kreativer. Über Tiankai Feng Er ist Data Strategy & Governance Lead bei ThoughtWorks, Musiker und Autor. Mehr zu Tiankai: https://www.linkedin.com/in/tiankaifeng/ Erfahre mehr über Datendurst und Tim: https://www.linkedin.com/in/ebner-tim/ https://www.linkedin.com/company/datendurst/ Unterstütze den Podcast: | |||
| Ho, Ho, Hosen runter – Die nackte Wahrheit über den Erfolg von Datendurst in Daten und Details | Mit Tim Ebner | 20 Dec 2024 | 01:10:09 | |
Festlich, frech, faktenreich und ohne Hosen?! Tim verrät dir die nackte Wahrheit hinter den Podcast-Zahlen und zeigt dir, welche Strategien er für Datendurst einsetzt. Weihnachtliche Einstimmung und technische Tücken Tim berichtet über ein technisches Problem, seinen Austausch mit Florian Litterst und verrät, ob ChatGPT seine Version von „Last Christmas” lustig findet. Fakten zu Datendurst Ein erster Blick auf die Podcast-Daten zeigt die positive Entwicklung von Datendurst. Außerdem verrät Tim, dass er in der Folge auch über die Tücken der Podcastanalysen sprechen wird. Mikro-Konvertierungen: Kleine Aktionen, große Wirkung Sie sind unverzichtbar für die Analyse der Nutzerinteraktion. Tim erklärt, welche Rolle Micro-Conversions für seinen Podcast spielen. Wie Podcasts das Marketing unterstützen Von Awareness bis Advocacy - Tim beschreibt, wie Podcasts alle Phasen des Funnels im Marketing beeinflussen können, aber auch ihren eigenen speziellen „Trichter" haben. Erfolgreich messen: Welche KPIs zählen? Welche Kennzahlen solltest du für deinen Podcast im Blick haben? Tim gibt praxisnahe Empfehlungen für die wichtigsten Messgrößen. Dimensionen und Metriken in der Praxis Wie lassen sich Daten sinnvoll segmentieren? Tim erläutert den Unterschied zwischen Dimensionen und Metriken anhand anschaulicher Beispiele. Plattformen und Formate: Was funktioniert wo? Nicht jede Plattform liefert die gleichen Ergebnisse. Tim zeigt, wie er die Stärken von TikTok, LinkedIn und YouTube nutzt. Warum sind Datenanalysen oft eine Herausforderung? Unterschiedliche Standards und mangelnder Zugang zu Daten erschweren umfassende Analysen. Tim spricht über Lösungen und Hindernisse. Vanessa von den Podcastpiraten über Fokus und Inhalte Sie gibt Einblicke, wie man mit klarem Zielgruppenfokus und hochwertigen Inhalten langfristig erfolgreich sein kann. Werkzeuge und Methoden: Tims Ansatz zur Datenanalyse Tim kombiniert verschiedene Tools und Methoden, um die Performance seines Podcasts zu bewerten. Beeindruckende Datendurst-Zahlen Die Zahlen von Datendurst sprechen für sich: Über 19.000 Impressionen und eine wachsende Community. YouTube, TikTok & Co. im Vergleich Ob lange Videos oder Kurzclips – Tim analysiert, welche Formate auf welchen Plattformen am besten funktionieren. Hörer, Zuschauer und Community Eine treue Community aufzubauen, bleibt eine Herausforderung. Tims Analysen zeigen, wo Potenziale und Schwierigkeiten liegen. 🎧 Kleiner Hinweis: Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAI Wir freuen uns auf dich! 💬 Wie Datendurst Tims beruflichen Alltag prägt Der Podcast wirkt sich positiv auf Tims berufliche Netzwerke aus und bringt neue Möglichkeiten – vom Projekt bis zur Fachfrage. Erfahre mehr zu Datendurst und Host Tim: https://www.linkedin.com/in/ebner-tim/ https://datendurst.buzzsprout.com/ So kannst du den Podcast unterstützen: | |||
| Last Clickmas – Warum sich nach Weihnachten Ads-Schaltung für dich lohnt | Mit Florian Litterst von adsventure | 06 Dec 2024 | 00:41:39 | |
Nach Weihnachten beginnt im Social-Media-Marketing mit Q5 eine Phase mit spannenden Chancen. Tim und Florian zeigen dir, wie du Strategien, Creatives und Targeting optimal an veränderte Nutzergewohnheiten anpasst. Was steckt hinter Q5? Das fünfte Quartal umfasst den Zeitraum vom zweiten Weihnachtsfeiertag bis Mitte Januar. Werbetreibende können von günstigen Anzeigenpreisen und einem veränderten Nutzerverhalten profitieren. Feiertage und ihre Auswirkungen auf Internetaktivitäten Die Weihnachtsfeiertage und Silvester sind häufig „internetfrei“, doch ab dem zweiten Weihnachtsfeiertag steigt die Aktivität im Netz immens. Wer clever plant, kann diese Phase optimal nutzen. Warum steigen Ad-Kosten vor Weihnachten? Die Nachfrage nach Werbeplätzen ist in der Weihnachtszeit enorm, das Inventar jedoch begrenzt. Dies führt zu höheren Kosten, bietet aber Chancen, wenn die Strategie stimmt. Was macht der Meta-Auktionsalgorithmus? Dieser Algorithmus beeinflusst die Anzeigenpreise. Dabei sind Parameter wie Relevanz, Stärke der Anzeigeninteraktion, Alter der Anzeige und Konkurrenz wichtig. Ad-Gestaltung in der Weihnachtshochsaison Ansprechende Creatives sind in der Weihnachtszeit besonders wichtig. Allerdings sollten Ads laut Florian immer durchdacht gestaltet sein. Conversion- vs. Awareness-Kampagnen Conversion-Kampagnen sind am stärksten von Preiserhöhungen betroffen, Awareness-Kampagnen weniger. Je näher das Ziel einer Kampagne an einer Conversion liegt, desto geringer ist die Wahrscheinlichkeit, dass die Werbekosten steigen. Persona-Wechsel und Targeting-Ansätze Vor Weihnachten stehen Geschenke für Freunde und Familie im Mittelpunkt, danach liegt er auf der persönlichen Belohnung. Mit dem richtigen Targeting lässt sich dieser Wandel gezielt adressieren. Neujahrsvorsätze richtig adressieren Ab Ende Dezember dominieren die Themen Fitness und Gesundheit. Unternehmen sollten ihre Werbebotschaften entsprechend ausrichten. Formate und Plattformen optimal nutzen Für komplizierte Produkte eignen sich lange Videos, während Lifestyle-Produkte auf visuelle Eyecatcher setzen sollten. Werben für komplexe Produkte Komplexe Themen erfordern längere Inhalte, die mit Storytelling und detaillierten Erklärungen arbeiten. Dies schafft Vertrauen und überzeugt Kunden. Authentizität schlägt Perfektion Weniger inszenierte Videos wirken oft überzeugender als aufwendig produzierte Inhalte. Dieser Trend gewinnt immer mehr an Bedeutung. Clever budgetieren zwischen Q4 und Q5 Lifestyle-Produkte performen besonders gut vor Weihnachten, Problemlösungsprodukte danach. Eine strategische Budgetallokation ist entscheidend. So verhinderst du Ad Fatigue Hohe Frequenzen können zu einem Leistungsabfall bei Anzeigen führen. Regelmäßige Analysen und gezielte Anpassungen der Creatives helfen, dies zu vermeiden. Jetzt wird’s musikalisch! Tim performt zum Schluss „Last Clickmas“ – eine sehr schlechte, humorvolle Adaption eines Weihnachtsklassikers. Florian Litterst Florian ist Gründer von adsventure und Experte für Performance Advertising – spezialisiert auf erfolgreiche Social-Media-Kampagnen: https://www.linkedin.com/in/florianlitterst Erfahre mehr über Datendurst und Tim: https://www.linkedin.com/in/ebner-tim/ https://www.linkedin.com/company/datendurst/ Unterstütze den Podcast: | |||
| Lieferketten-Probleme datenbasiert aufdecken | Mit Marco Feiten von scrioo | 22 Nov 2024 | 00:43:39 | |
Lieferkettenmonitoring, Lieferkettensorgfaltspflichtengesetz, Sanktionslisten – was ist das, warum ist das notwendig, wie macht man das und was ist der Nutzen für Unternehmen? Darum geht es in der neuen Folge von Datendurst. Host Tim Ebner hat dafür Marco Feiten im Interview. Der ist Geschäftsführer von CURE Intelligence und von scrioo, einem Unternehmen, das Lieferkettenmonitoring mit Social Media und Online-Daten anbietet. Entstanden ist die Idee, weil dieser eine Lösung für einen Kunden aufgrund der neuen Gesetzgebung entwickeln wollte. Das Ziel war eine Medienanalyse und Medienbeobachtung der Lieferanten. Doch was ist Lieferkettenmonitoring eigentlich? Hierbei gibt es zwei Facetten, einmal den Transport für Materialien, die man braucht und dann die Lieferanten selbst. Sobald Lieferketten gestört sind, werden wir alle schlechter versorgt. Das Ziel als Unternehmen ist es, Risiken und potentielle Schäden frühzeitig zu erkennen, um dann darauf reagieren zu können – denn das kann Unternehmen sonst auch in den Ruin treiben. Als Beispiel nennt Marco hierfür den Streik der Häfen in den USA. Hierfür gab es Frühwarnsignale, wer diese erkannt hat, konnte sich frühzeitig darauf vorbereiten und im besten Fall sogar vermeiden, dass es das eigene Unternehmen trifft. Früher wurde diese Lieferantenbeziehung über Fragebögen analysiert. Doch hier entsteht eine riesige Menge Arbeit. Beispielsweise hat Dr. Oetker 30.000 Lieferanten, denen dann einzeln die Fragebögen gesendet und die dann händisch wieder kontrolliert werden müssen. Hier muss es Automationen geben, die Marco mit seinem Unternehmen anbietet. Dazu kommen die Policies, die alle größeren Unternehmen haben und denen die Lieferanten einzeln zustimmen müssen. Doch wieso braucht man überhaupt ein Lieferkettenmonitoring? Das neue Lieferkettensorgfaltspflichtengesetz ist ein Grund dafür. Nach diesem müssen Unternehmen ab einer gewissen Größe nun Lieferanten auf erster Ebene prüfen, u.a. aufgrund von Menschenrechten, Umweltschutz und Nachhaltigkeit. Diese Regelungen werden in ganz Europa ausgerollt. Zudem haben Unternehmen auch von sich aus ein Interesse daran, zu wissen, mit wem sie Geschäfte machen: Ist der Partner zuverlässig? Woher bekommt er seine Materialien? Wie steht er wirtschaftlich da? Doch auch kleinere Unternehmen werden durch Kaskaden-Effekte von den Regelungen betroffen, wofür die Politik zurzeit nach Lösungen suchen muss. Marco’s Lösung funktioniert auf Basis von Machine Learning und NLP – das sind keine neuen Dinge, trotzdem funktionieren sie sehr gut. Mit diesen werden im ganzen Web nach Schlüsselbegriffen gesucht, beispielsweise einem Unternehmensnamen + dem Begriff „Kinderarbeit“. Durch eine KI wird die Relevanz der Suchbegriffe dann nochmal überprüft. Zum Schluss geht es noch um das Thema Sanktionslisten und dass auch diese dabei unterstützen können, Lieferanten zu bewerten. Zum LinkedIn-Profil von Marco: https://www.linkedin.com/in/marcofeiten/
Zur Website von scrioo: https://www.scrioo.com/
Zur LinkedIn-Seite von scrioo: https://www.linkedin.com/company/scrioo/ Zum LinkedIn-Profil von Tim: https://www.linkedin.com/in/ebner-tim/ Unterstütze Tim mit einer Spende: http://paypal.me/datendurst Datendurst auf LinkedIn: https://www.linkedin.com/company/datendurst/ | |||
| DATA & ANALYTICS leicht erklärt | Mit Sascha Leweling von RTL | 03 Jan 2025 | 01:21:06 | |
Mit Daten-Power ins neue Jahr! Tim und Sascha sprechen in dieser Folge darüber, wie Unternehmen Schritt für Schritt datengetrieben werden. Ein futuristischer Start ins Jahr Tim und Sascha begrüßen die Hörer auf gewohnt unterhaltsame Weise und blicken humorvoll in die „datengetriebene Zukunft“. Themen des Podcasts im Überblick Tim gibt eine umfassende Einführung in die Themen, die er gemeinsam mit Sascha in dieser Episode zum Thema Data Analytics beleuchtet: Was steckt dahinter? Welchen Lernprozess durchlaufen Unternehmen? Welche Rollen brauchen Sie? KI Sam mischt mit Der KI-Gast „Sam“ teilt seine Sichtweise auf Data Analytics und bringt spannende Perspektiven ein. Tim und Sascha diskutieren ihre Bedeutung. Hat Sam Recht mit seiner Definition? Sie setzen sich mit dem von Sam vorgestellten Verständnis von Data Analytics auseinander. Data & Analytics steht für die systematische Untersuchung und Auswertung von Beobachtungen, um umsetzbare Schlussfolgerungen abzuleiten. Was verbirgt sich hinter den Begriffen? Begriffe wie Business Intelligence und Data Science werden oft missverstanden: BI steht für standardisiertes Reporting. Data Science nutzt Analysen, um Entwicklungen vorherzusagen. Organisationen und ihre Daten-Lernreise Der Einstieg in Data und Analytics ist häufig holprig: Unzuverlässige Daten, ein Fokus auf die Vergangenheit und mangelndes Vertrauen in Berichte. Der Wert von Echtzeitdaten im Tagesgeschäft Live-Daten sind ein mächtiges Werkzeug, um schnell auf Entwicklungen zu reagieren. Doch sie sind nicht in jedem Szenario nötig. Vorausschauend handeln: Zukunftsanalysen nutzen Prädiktive Analysen ermöglichen es, Trends frühzeitig zu erkennen und strategische Maßnahmen abzuleiten. Daten als Wachstumsmotor der Zukunft In der letzten Phase der Lernreise werden Daten zum Herzstück der Unternehmensstrategie und treiben langfristiges Wachstum voran. Echtzeit-Daten: Wann sie wirklich sinnvoll sind Nicht alle Daten müssen live sein – Tim und Sascha erklären, in welchen Spezialfällen Echtzeitdaten den Unterschied machen. Datenprodukte, die den Kunden Mehrwert bieten Ob Empfehlungsalgorithmen oder personalisierte Features – erfolgreiche Datenprodukte schaffen echte Vorteile für Nutzer. Spezialisten vs. Generalisten: Wer macht was? Ein ausgewogenes Team aus vielseitigen Generalisten und spezialisierten Experten ist entscheidend für den Erfolg. Zusammenarbeit: Data Engineers und Analysten Gute Zusammenarbeit zwischen Engineers und Analysts sorgt dafür, dass Daten nutzbar werden und Insights geschaffen werden können. Die Rolle von Self-Service und Citizen Analysts Self-Service-Tools ermöglichen es Fachabteilungen, eigenständig mit Daten zu arbeiten. Führung gefragt: Leiter der Datenabteilung Der Chief Data Officer (CDO) verankert Datenarbeit strategisch im Unternehmen und sorgt für klare Ziele sowie Prioritäten. Warum Datenarbeit nie stillsteht Datengetriebene Arbeit ist ein dynamischer Prozess. Unternehmen müssen ständig adaptieren und weiterentwickeln. Kurzbio zu Sascha Sascha Leweling ist Leiter der Kundendatenanalyse bei RTL und spezialisiert auf digitale Werbung, insbesondere in den Bereichen Mobile Advertising und Social Commerce. https://www.linkedin.com/in/dr-sascha-leweling-410b6b7a/ Mehr zu Datendurst und Host Tim: https://www.linkedin.com/in/ebner-tim/ https://datendurst.buzzsprout.com/ Unterstütze den Podcast: 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAI Wir freuen uns auf dich! 💬 | |||
| Wie man die Qualität des Kundenservice misst | Mit Ralf Mühlenhöver | 17 Jan 2025 | 01:02:48 | |
Daten verändern den Kundenservice – doch wie? Tim und Ralf sprechen über die wichtigsten Entwicklungen und die Rolle von Künstlicher Intelligenz. Einstieg ins Thema Tim eröffnet die Folge mit der Frage: Wie beeinflussen Daten den Kundenservice? Ralf stellt sich vor Seit 25 Jahren beschäftigt sich Ralf mit Kundenservice – von der Voice-over-IP-Technologie bis hin zur Entwicklung KI-gestützter Lösungen. Die Entwicklung von Callcenter-Technologien Ralf reflektiert, wie sich Callcenter von Telefonzentralen hin zu datengetriebenen Servicezentren entwickelten. Infrastruktur und Digitalisierung im Kundenservice Digitalisierung im Kundenservice läuft nicht immer reibungslos. Ralf berichtet, dass selbst in urbanen Gebieten grundlegende Infrastruktur wie Glasfaser fehlt. Einblicke in Ralfs sonstige Tätigkeiten Neben seinem Beruf engagiert sich Ralf als Lehrbeauftragter bei SRH-Köln und Hamm. Kurzerklärung: „Rizz“ – Beschreibt das Talent einer Person, charmant aufzutreten. „Slay“ – Wird genutzt, um Bewunderung auszudrücken. Warum der Kundenservice alles dokumentiert Im Kundenservice wird alles genau betrachtet: von der durchschnittlichen Bearbeitungszeit eines Gesprächs und der Reaktionsgeschwindigkeit bis zur Quote abgebrochener Anrufe. Kundenzufriedenheit als wichtiger Faktor Selbst geringfügige Anpassungen können den Kundenservice beeinflussen. Die so entstehenden positiven Kundenerfahrungen steigern die Wahrscheinlichkeit von Weiterempfehlungen. Wie unterscheiden sich CS und CX? Customer Service (CS) löst akute Probleme, während Customer Experience (CX) das Kundenerlebnis optimiert. Daten verbinden beide Bereiche. Die wichtigsten Kennzahlen im Kundenservice KPI, die für den Kundenservice entscheidend sind: die durchschnittliche Dauer von Anrufen, die Schnelligkeit der Antworten, die Rate abgebrochener Anrufe. Workforce Management sorgt für reibungslosere Abläufe. Daten und ihre Rolle in der Customer Experience Customer Experience (CX) umfasst alle Interaktionen mit einer Marke. Wichtige Kennzahlen wie Net Promoter Score (NPS), Kundenzufriedenheitswert (CSAT), Kundenaufwandswert (CES), Erstlösungsquote (FCR) und Fehleranalysen unterstützen die Messung von Aspekten wie Kundenbindung und -zufriedenheit sowie die Identifikation von Fehlerquellen. Daten im Customer Service: Warum sind sie so wichtig? Daten helfen Kundenbedürfnisse zu erkennen, Probleme frühzeitig zu lösen und die Effizienz zu steigern. Ein datengestützter Ansatz ermöglicht kluge Verbesserungen. Wie verändert sich die Rolle der Daten im Customer Service? Datenanalysen ermöglichen unter anderem prädiktive Modelle. Hyperpersonalisierte Ansätze helfen, auf Kundenbedürfnisse individuell einzugehen. Die Aufgabe von KI im Kundenservice Die Integration von KI verändert die Arbeit im Kundenservice und steigert Effizienz und Kundenzufriedenheit. Daten sind im Kundenservice unverzichtbar Ralf betont, dass datengetriebene Strategien unverzichtbar sind, um den Service effizient und kundenzentriert zu gestalten. Mehr zu Ralf Mühlenhöver: https://www.linkedin.com/in/ralfmuehlenhoever/ Mehr zu Datendurst und Host Tim: https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAI Wir freuen uns auf dich! 💬 | |||
| Tracking bis zum bitteren Ende – Wie Rohdaten deine Website-Analysen auf ein neues Level heben | Mit Marcus Stade von mohrstade | 31 Jan 2025 | 01:00:01 | |
Marcus Stade erklärt dir in dieser Folge, warum Rohdaten im Web-Tracking mehr als nur ein technisches Detail sind – und wie sie dir dabei helfen, das Beste aus den eigenen Daten herauszuholen. Der elfte Anlauf mit Marcus Nach mehreren Fehlversuchen, die Podcastfolge aufzunehmen, blicken Tim und Marcus zurück und leiten mit Humor in die Folge ein. Erfahre mehr über Marcus Stade: https://www.linkedin.com/in/marcus-stade-2017b236/ Rohdaten: Das Thema der Folge Tim stellt die Themenschwerpunkte vor: Warum Rohdaten im Web-Tracking weit mehr Möglichkeiten bieten als vorgefertigte Reports. Analytics Pioneers: Vom Meetup zur Community Was als lokales Meetup begann, ist heute eine große Community die regelmäßig Trainings und Meetups besuchen. Hier geht’s zur Community: https://analytics-pioneers.de/ mohrstade: Beratung für Daten und Tools Das Unternehmen unterstützt Kunden bei der Implementierung von Lösungen wie BigQuery und CDPs, immer mit einem Fokus auf datengestützte Entscheidungen. Engagement in der Analytics-Community Marcus erklärt, wie wichtig der Community-Gedanke ist – ob durch Artikel, Trainings oder andere kreative Ideen. Die Wirkung von Merchandise Von Analytics-Socken bis zu Hoodies: Kreativer Merchandise stärkt die Markenbindung und ist auf Events ein echter Hingucker. Hinweis: Marcus hat ein paar offene Stellengesuche – https://mohrstade.de/karriere/ Komplexe Themen einfach erklärt Die Kunst, technisches Wissen verständlich zu machen, ist essenziell, um Stakeholder für datengetriebene Entscheidungen zu gewinnen. Warum Rohdaten im Web-Tracking von Nutzen sind Mit Rohdaten lassen sich rückwirkende Analysen durchführen und historische Daten neu auswerten – ohne Brüche. Wie Rohdaten die Analyse von Traffic-Kanälen verbessern Marcus zeigt, wie flexiblere Channel-Zuordnungen möglich werden und wie sie für eine präzisere Performance-Messung genutzt werden können. Schwachstellen von Standard-Web-Tracking-Tools Sampling und kurze Datenspeicherfristen limitieren die Möglichkeiten klassischer Tools. Rohdaten schaffen hier Abhilfe. Tracker und Proxies: Wie Rohdaten gesammelt werden Marcus erklärt die technische Basis: von serverseitigen Trackern bis hin zu Lösungen wie dem Server-Side Google Tag Manager. Wann Rohdaten Sinn ergeben Nicht jedes Unternehmen braucht Rohdaten – Marcus beschreibt, wie Use Cases und Ressourcen die Wahl beeinflussen. Branchen mit Bedarf an Rohdaten-Lösungen Vor allem Medienunternehmen und Organisationen mit komplexen Datenanforderungen profitieren von individuell aufbereiteten Rohdaten. Was Unternehmen beim Start mit Rohdaten beachten sollten Quality Checks, Datenpipelines und Datenschutz – die Grundlage für eine erfolgreiche Nutzung von Rohdaten. Kosten und Planung: Der finanzielle Rahmen für Rohdatenprojekte Marcus erläutert, wie Unternehmen ihre Kosten planen und bereits mit kleinen Budgets starten können, bevor sie skalieren. Mehr zu Datendurst und Host Tim: https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community! 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAI Wir freuen uns auf dich! 💬 | |||
| Clickbait entschlüsselt – Warum wir nicht widerstehen können | Mit Philipp von Loringhoven von DataEngage | 28 Mar 2025 | 00:52:08 | |
Warum ziehen uns manche Inhalte sofort in ihren Bann? Philipp von Loringhoven erklärt, welche psychologischen Trigger hinter Clickbait stecken und wie Marken sie gezielt einsetzen können. Der Einstieg: Warum wir auf Clickbait reagieren Unser Gehirn trifft schnelle Entscheidungen und reagiert stark auf emotionale Reize. Clickbait nutzt das gezielt, um Neugier und Klicks zu erzeugen. Philipps Weg in die Werbewirkung Werbung hat ihn schon früh fasziniert. Heute kombiniert er psychologische Erkenntnisse mit datengetriebenem Marketing. Psychologische Trigger von Clickbait Neugier, FOMO und Emotionen sind entscheidende Faktoren. Sie bestimmen, warum manche Inhalte sofort unsere Aufmerksamkeit gewinnen. Was die Bild-Zeitung richtig macht Provokante Headlines, große Bilder und starke Kontraste sorgen für maximale Wirkung. Die Prinzipien dahinter lassen sich auf andere Medien übertragen. Die ethische Verantwortung von Werbung Werbung formt unser Denken und gesellschaftliche Normen. Unternehmen tragen Verantwortung dafür, welche Botschaften sie senden. Wie Sinne unsere Kaufentscheidungen lenken Farben, Klänge und Texturen beeinflussen unsere Wahrnehmung. Multisensorische Werbung kann dadurch besonders effektiv sein. So lässt sich Werbewirkung messen Eye-Tracking, A/B-Tests und KI-gestützte Analysen helfen bei der Optimierung. Entscheidend ist die Wahl der richtigen Testmethoden. Welche Testmethoden bringen den meisten Erfolg? Extremtests liefern oft klarere Ergebnisse als kleine Anpassungen. Besonders Bildsprache, Farbgebung und Textvarianten zeigen große Unterschiede. Was gute Werbemittel gemeinsam haben Eine klare, fokussierte Botschaft erhöht die Werbewirkung. Visuelle Reize und prägnante Call-to-Actions steigern die Klickrate. Die Macht von Farben und Blickführungen Bestimmte Farben wecken Emotionen und lenken Aufmerksamkeit. Blickrichtungen in Bildern führen das Auge gezielt zu wichtigen Elementen. Warum Essensbilder so starke Reaktionen auslösen Foodporn funktioniert, weil Essen stark mit Emotionen verknüpft ist. Perfekt inszenierte Speisen können die Kaufbereitschaft steigern. Klänge und ASMR in der Werbung Töne lösen Erinnerungen und Gefühle aus. ASMR nutzt sanfte Geräusche, um Nähe und Aufmerksamkeit zu erzeugen. Der Einfluss von Daten auf die Werbestrategie Daten helfen, Werbekosten zu senken und Streuverluste zu vermeiden. Durch präzisere Analysen lassen sich Kampagnen gezielt optimieren. Personalisierung als Schlüssel zur Kundengewinnung Individuell zugeschnittene Werbung ist effektiver als generische Kampagnen. Relevante Inhalte sorgen für eine stärkere Kundenbindung. Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 | |||
| MarTech Madness - Der perfekte Guide zur Tool-Beschaffung | 28 Feb 2025 | 00:46:40 | |
Die Wahl der richtigen MarTech-Software ist knifflig. Tim zeigt dir, wie du das passende Tool findest und Compliance-Hürden meisterst. Warum Tool-Beschaffung wichtig ist Ein neues Tool kann die Arbeit im Unternehmen effizienter machen, doch der Auswahl- und Umsetzungsprozess ist oft aufwändig. MarTech: Verbindung von Marketing und Technologie Der Begriff kombiniert Marketing und Technologie. Die richtige Software unterstützt Teams dabei, datenbasierte Entscheidungen zu treffen. Tools für Social Media und Analytics Ob Hootsuite für Community Management oder Adverity für Reporting – jedes Tool hat seinen eigenen Anwendungsbereich. Vorteile eines klaren Beschaffungsprozesses Wer frühzeitig Compliance-Fragen klärt und Stakeholder einbindet, verhindert spätere Probleme. Zeit, Budget und Stakeholder Neben den finanziellen Ressourcen braucht es interne Unterstützung. Klare Kommunikation mit IT, Datenschutz und Einkauf ist entscheidend. Die Phasen der Tool-Beschaffung Von der ersten Bedarfsanalyse bis zur finalen Implementierung – so läuft ein vollständiger Beschaffungsprozess ab. Bedarfsermittlung: Wer braucht das Tool? Und wofür? Welche Abteilungen profitieren? Wo gibt es Widerstände? Eine gründliche Analyse hilft, spätere Konflikte zu vermeiden. Anforderungen definieren mit User Stories User Stories helfen, die wichtigsten Funktionen des Tools aus der Perspektive der Anwender zu beschreiben und zu priorisieren. Tool-Suche: Recherche, Tests und Anbieterbewertung Demos und Testzugänge geben Einblick in die Funktionalität. Doch worauf kommt es bei der Bewertung an? Compliance: Datenschutz, IT-Security und Betriebsrat Jede Abteilung hat eigene Anforderungen. Frühzeitige Einbindung reduziert Verzögerungen und erleichtert die Freigabe. Kriterien zur Tool-Evaluierung und Vergleichsmethoden Ein strukturierter Vergleich der Tools anhand definierter Anforderungen hilft, die beste Wahl zu treffen. Erfolgreiche Preisverhandlungen und Budgetplanung Der Einkauf kann in Verhandlungen unterstützen. Neben dem Preis zählen auch Skalierbarkeit und Support. Mitarbeiter fit für das neue Tool machen Ohne Schulung kann das beste Tool nicht richtig genutzt werden. Trainings und Dokumentationen erleichtern den Start. Prozesse für eine langfristige Nutzung etablieren Onboarding, Offboarding und regelmäßige Abstimmungen sichern den nachhaltigen Erfolg des Tools. Stakeholder-Management: Wie du Allianzen bildest Einkauf, IT, Datenschutz und Betriebsrat haben unterschiedliche Interessen. Wer die Bedürfnisse kennt, kann gezielt vermitteln. Vetos entschärfen: Business- und Compliance-Risiken Häufig entstehen Vetos von Einkauf, IT, Datenschutz und Betriebsrat aus Risikoabwägungen. Ein gut überlegtes Vorgehen hilft, Argumente zu entkräften und Lösungen zu finden. Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 | |||
| Social Media und Data zwischen Chaos und Vertrauen | Mit Daniel Zoll | 14 Feb 2025 | 00:55:39 | |
Was passiert, wenn kreative Social-Media-Teams auf analytische Datenexperten treffen? Tim und Daniel sprechen über Herausforderungen und Möglichkeiten, das Beste aus beiden herauszuholen. Begrüßung und Vorstellung von Daniel Daniel berichtet von seinem Weg in die Social-Media-Welt und wie er heute Unternehmen wie Bitpanda, Sparkasse und Kleinanzeigen unterstützt. Daniel spricht über seinen Werdegang und seine Auftraggeber Er berichtet, wie seine Karriere beim Radio begann, er sich als Berater für namhafte Unternehmen positionierte und heute verschiedene Marken betreut. Die Zusammenarbeit zwischen Social Media und Data Tim und Daniel diskutieren, warum es schwierig ist, Social-Media-Teams mit Analysten zusammenzubringen – und warum beide Seiten mit Vorurteilen kämpfen. Wie Analysten an die relevanten Daten kommen Zugang zu Daten ist in vielen Unternehmen eine Herausforderung. Tim erklärt, welche Hürden bestehen und wie Analysten aussagekräftige Insights ableiten können. Social-Media-Reports: hilfreich oder irreführend? Oft erstellen Social-Media-Teams ihre eigenen Reportings. Doch was sagen die Zahlen wirklich aus, und wo werden typische Fehler gemacht? Kurzfristige Ideen und ihre Folgen für die Strategie Spontane Posts und Kampagnen können für Sichtbarkeit sorgen – oder auch für Chaos. Daniel teilt seine Erfahrungen mit unerwarteten Social-Media-Wünschen. Warum sich Social-Media-Teams oft gegen Daten wehren Analysten sollen helfen, doch oft fühlen sich Social-Media-Manager in ihrer Expertise infrage gestellt. Wie lässt sich dieses Misstrauen abbauen? Social-Media-Performance ist mehr als nur ein KPI Wie viel Einfluss haben externe Faktoren auf den Erfolg? Daniel erklärt, warum fehlende Ressourcen, starre Prozesse oder Vorgaben wichtiger sind als einzelne Kennzahlen. Wie Daten Social-Media-Teams wirklich unterstützen können Was brauchen Social-Media-Teams von Analysten? Tim beschreibt, wie man umsetzbare, datenbasierte Handlungsempfehlungen erstellt. Erfolgsstrategie: Was wir von WonderWaffel auf TikTok lernen können Daniel und Tim nehmen die virale Social-Media-Strategie von WonderWaffel unter die Lupe und zeigen, welche Faktoren zu ihrem Erfolg beigetragen haben könnten. Gewinnspiele auf Social Media: Mehr Schein als Sein? Gewinnspiele boosten kurzfristig die Reichweite. Doch was passiert langfristig mit der Community? Interne Strukturen: Warum viele Unternehmen Social Media ausbremsen Bürokratie, lange Abstimmungswege und Datenschutzvorgaben machen datengetriebene Social-Media-Optimierung oft komplizierter als nötig. Vertrauen aufbauen: Analysten als Partner statt Kontrolleure Wie können Analysten ihre Rolle so definieren, dass Social-Media-Teams sie als Unterstützung sehen? Offene Kommunikation als Schlüssel zum Erfolg Daniel erklärt, warum der direkte Austausch mit Analysten der wichtigste Schritt ist, um Social Media strategisch weiterzuentwickeln. Fazit: Social Media und Data als Team Tim und Daniel fassen die wichtigsten Erkenntnisse zusammen und geben Tipps, wie Unternehmen Social-Media-Strategien datenbasiert und kreativ gestalten können. Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 | |||
| Wie werde ich Chief Data & Analytics Officer? | Mit Franziska Eickhoff von L'Oréal | 03 Jul 2025 | 00:49:28 | |
Wie wird man Chief Data & Analytics Officer (CDAO) bei einem internationalen Unternehmen wie L’Oréal? In dieser Folge spricht Tim mit Franziska über ihren Karriereweg, aktuelle Herausforderungen im Team und warum ein Umzug ein gutes Beispiel für Transformation ist. Intro & Vorstellung Franziska Eickhoff Franziska ist Chief Data & Analytics Officer für Deutschland, Österreich und die Schweiz bei L’Oréal. Im Podcast stellt sie sich vor und gibt erste Einblicke in ihre Rolle. Erfahre mehr über Franziska: https://www.linkedin.com/in/franziska-eickhoff/ Aktuelle Karrieremöglichkeiten bei L’Oréal: https://careers.loreal.com/de_DE/content/Home Einstieg in die CDAO-Rolle bei L’Oréal Nach zwölf Jahren in der Energiebranche verbindet Franziska bei L’Oréal ihre Datenerfahrung mit der Begeisterung für Beauty. Führung, Strategie und Kommunikation prägen ihre neue Rolle. Vom Energiesektor zur Beautybranche Die Datenarbeit bleibt ähnlich, aber das Marktumfeld ist deutlich dynamischer. Schnellere Trends und stärkere Kundennähe erfordern mehr Flexibilität. Datenarbeit entlang der Wertschöpfungskette Ihr Team begleitet Daten von der Produktion über die Logistik bis zur Marketingkampagne. Ziel ist es, datenbasierte Entscheidungen in allen Bereichen zu unterstützen. Drei zentrale Datenbereiche bei L’Oréal L’Oréal strukturiert Datenprozesse in Operations, Retail/E-Commerce und Marketing. Jeder Bereich bringt spezifische Herausforderungen mit sich. Teamstruktur und Spezialisierung Die Teammitglieder sind bisher nach Marken gegliedert, sollen künftig aber entlang der Geschäftsprozesse organisiert werden. So entstehen mehr fachliche Tiefe und Synergien. Aufgabenverteilung zwischen Analysten und Engineers Es gibt eine Mischung aus cross-funktionalen Leads und spezialisierten Rollen pro Bereich. So bleibt das Team technisch fundiert und gleichzeitig nah an den Fachabteilungen. Karriereweg zur Führungskraft im Data-Bereich Franziska berichtet von ihren Anfängen, früher Führungsverantwortung und wie sie ihr Digital-Team aufgebaut hat. Unterstützung und strukturiertes Lernen waren entscheidend. Lernen, Weiterentwicklung und Unternehmenskultur Onboarding und Führungstrainings bei L’Oréal helfen dabei, das Unternehmen und seine Kultur zu verstehen. Das Wissen um die „Wurzeln“ der Organisation ist essentiell für erfolgreiche Veränderungen. Tagesablauf als CDAO Franziskas Alltag besteht aus Teamführung, Projektabstimmungen und strategischer Planung. Zeitfenster für konzentriertes Arbeiten sind fest im Kalender eingeplant. Strategische Führung und internationale Abstimmung Sie arbeitet eng mit europäischen und globalen Data-Teams zusammen. Das Ziel: nationale Anforderungen mit internationalen Standards verbinden. Zukunftsmodell: Zentrale Zusammenarbeit in Europa Franziska plant mehr gemeinsame Datenlösungen mit anderen Ländern. Das lokale Team bleibt, aber die Entwicklung wird vernetzter und zentraler gedacht. Transformation erklärt am Beispiel eines Umzugs Der Wandel wird wie ein Umzug beschrieben: aussortieren, packen, transportieren – bei laufendem Betrieb. Das Ziel ist ein gemeinsames „Mehrfamilienhaus“ für alle Datenlösungen. Typische operative Herausforderungen im Datenteam Fehlende Datenlieferungen, technische Fehler oder manuelle Prozesse gehören leider zum Alltag. Monitoring und pragmatische Lösungsansätze helfen bei der Fehlerbehebung. Umgang mit Stakeholdern bei Datenproblemen Statt Schuldzuweisungen gibt es transparente Kommunikation und schnelle Koordination. Die Verantwortung wird gemeinsam getragen. Persönliches über Franziska: Ausgleich zum Job Sie lebt am Niederrhein, engagiert sich sozial und liebt das Kochen. Mit drei Katern ist bei ihr auch privat einiges los. Kurzbio von Franziska Eickhoff Franziska ist seit August 2023 als Chief Data & Analytics Officer bei L’Oréal Deutschland, Österreich und der Schweiz tätig und leitet ein Team von 18 Mitarbeitenden. Zuvor war sie mehr als zehn Jahre in der Energiebranche tätig, zuletzt als Head of Data Analytics & Engineering bei E.ON. Mit ihrer Expertise in den Bereichen Data Science, digitale Transformation und Marketing treibt sie bei L’Oréal eine datengetriebene Unternehmenskultur sowie den Einsatz ethisch verantwortungsvoller KI voran. 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Insights von INDEED: So tickt der Data & Analytics Arbeitsmarkt | Mit Tim Verhoeven von Indeed.com | 20 Jun 2025 | 00:51:45 | |
Wie entwickelt sich der Arbeitsmarkt für Data- und Analytics-Talente? Und was macht Unternehmen wirklich attraktiv für diese Zielgruppe? Tim Verhoeven von Indeed liefert datenbasierte Antworten zu diesen und weiteren Themen, darunter Jobtrends und „Work Wellbeing”. Wer ist Tim Verhoeven und was ist Talent Intelligence? Tim ist als Senior Manager für Talent Intelligence bei Indeed tätig. Er befasst sich mit datenbasierten Entscheidungen in den Bereichen HR und Talentstrategie. Lerne Tim kennen: https://www.linkedin.com/in/tim-verhoeven83/ Podcast HR Data Dudes: Datenbasierte HR-Optimierung In dem Podcast „HR Data Dudes“ diskutiert Tim mit anderen Fachleuten darüber, wie HR mithilfe von Daten fundierter handeln kann. Das Ziel besteht darin, bauchgefühllastige Entscheidungen abzulösen. Hier geht’s zum Podcast: https://hr-data-dudes.blogs.audiorella.com/ Der Datenschatz in HR und wie man ihn hebt Viele Unternehmen verfügen über wertvolle HR-Daten, sind sich dessen jedoch nicht bewusst oder nutzen sie nicht. Talent Intelligence hilft dabei, diese Daten zu analysieren und praktisch zu nutzen. Was bedeutet Talent Intelligence konkret im HR-Kontext? Der Begriff umfasst alle datenbasierten Handlungen in den Bereichen Recruiting, Retention und Talentmanagement. Ziel ist es, fundierte Entscheidungen über Mitarbeitende zu treffen. [Anzeige] Sponsor: Weiterbildung mit Distart Distart bietet geförderte Online-Weiterbildungen zu den Themen Marketing, Digitalisierung und KI. Auch Praxis-Sessions mit Expert:innen sind Teil des Angebots. Erfahre mehr zu Distart: https://www.distart.de/datendurst Arbeitsmarktdaten bei Indeed: Vier Datencluster Um Einblicke in den Arbeitsmarkt zu gewinnen, nutzt Indeed Verhaltens-, Hintergrund-, Profil- und Forschungsdaten. Durch das Crawlen externer Jobquellen ist die Datenbasis besonders umfassend. Hiring Lab und Open Source Datenportal Das Hiring Lab ist das Arbeitsmarktforschungsinstitut von Indeed. Neben klassischen Reports bietet es auch ein Open-Source-Datenportal mit regelmäßig aktualisierten Marktkennzahlen. Das Hiring Lab: https://www.hiringlab.org/de/ Das Datenportal: https://data.indeed.com/#/ Nutzung der Daten für Benchmarks und Marktanalysen Unternehmen nutzen die offenen Daten von Indeed, um ihre eigene Recruiting-Leistung einzuordnen. So lassen sich die Effekte von Kampagnen objektiv bewerten. Remote-Quote: Entwicklung und Bubble-Fallen Während die Gesamt-Remote-Quote seit eineinhalb Jahren stagniert, ist sie in der Tech- und Datenbranche deutlich höher. Die persönliche Wahrnehmung wird oft durch die eigene Blase verzerrt. Remote-Anteil im Data- und Analytics-Bereich In der Kategorie „Data & Analytics” sind etwa 46–48 % der Jobs remote möglich. Zum Vergleich: In Gesamtdeutschland liegt der Anteil bei rund 15 %. Entwicklung des Fachkräftemarkts seit 2020 Nach einem Rückgang während der Corona-Pandemie stieg die Nachfrage nach Data-Talenten rasant an. Seit 2022 ist das Niveau wieder gesunken, was unter anderem auf wirtschaftliche Unsicherheit und KI-Substitutionseffekte zurückzuführen ist. Jobtypen im Vergleich: Analyst, Scientist, Engineer Im Vergleich haben Data Scientists mehr Bewerbende pro Job als Engineers. Besonders gesucht sind: Data Engineers, bei denen der Bewerberandrang deutlich geringer ist. Wettbewerb und Bewerberqualität in der Praxis Die Zahl der Jobsuchenden sagt wenig über deren Eignung aus. Viele Bewerber verfügen nur über Grundkenntnisse, die in einem komplexen Jobumfeld nicht ausreichen. Warum Work Wellbeing gerade jetzt wichtig ist Gerade in wirtschaftlich unsicheren Zeiten ist die Bindung von Mitarbeitern entscheidend. Unternehmen, die ihre Data-Talente halten wollen, sollten in Zufriedenheit investieren, denn Know-how-Verlust ist teuer. Mehr über Work Wellbeing: https://de.indeed.com/lead/was-hat-wohlbefinden-am-arbeitsplatz-mit-unternehmenserfolg-zu-tun-alles Studie: Zusammenhang von Zufriedenheit und Unternehmenserfolg Eine Studie der Oxford University zeigt: Unternehmen mit hoher Mitarbeiterzufriedenheit weisen eine niedrigere Fluktuation und bessere wirtschaftliche Kennzahlen auf. Zentrale Treiber sind dabei Führung, Vertrauen und Transparenz. Die Studie der Oxford University: https://www.ox.ac.uk/news/2019-10-24-happy-workers-are-13-more-productive Das Buch von Tim und Marcel: https://www.amazon.de/-/en/Recruiting-Analytics-Erfolg-Driven-Intelligence/dp/3791059475 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Vergesst SEO, optimiert für ChatGPT! | Mit Robin Reuschel (Ex-Roland Berger) | 06 Jun 2025 | 00:45:32 | |
Sichtbarkeit im Netz folgt neuen Spielregeln. Tim spricht mit Robin Reuschel darüber, wie KI zur Gatekeeperin geworden ist und welche Auswirkungen das auf deinen Content hat. Gemeinsam zeigen sie dir, welche Tools, Formate und Denkweisen jetzt zählen, damit du in der Welt von ChatGPT & Co. sichtbar bleibst. Begrüßung und Vorstellung Robin wird als heutiger Gast eingeführt mit Einblicke in seinen Hintergrund zwischen Finanzmathematik, Strategieberatung und Technologie. Vernetze dich mit Robin: https://www.linkedin.com/in/rreuschel/ Oder schau dir sein Unternehmen an: https://roover.eu/ [Anzeige] Hinweis auf den Sponsor Tim erklärt dir, was du tun kannst, um deine Skills zu verbessern. Eine Möglichkeit: Distart bietet dir viele verschiedene geförderte Weiterbildungen zu Online-Marketing, KI und Social Media. Erfahre mehr zu Distart: https://www.distart.de/datendurst Warum SEO nicht mehr funktioniert Robin erläutert, weshalb klassische SEO-Strategien heutzutage und zukünftig an Wirksamkeit verlieren und welche Rolle ChatGPT im Suchprozess spielt. Kaufentscheidungen mit KI Von Produktempfehlung bis zur finalen Entscheidung: Anhand eines persönlichen Beispiels beschreibt Robin, wie Kaufprozesse zunehmend an KI ausgelagert werden. Gemini und die neue Suchlogik Ein Blick auf Googles KI „Gemini” zeigt die veränderte Darstellung von Suchergebnissen, die immense Auswirkungen auf Traffic und Sichtbarkeit hat. Der Beitrag von Fabian dazu: https://www.linkedin.com/posts/fabianjaeckert_seo-google-aioverviews-activity-7321431019591524353-f7GR/ Neue Wettbewerber im KI-Suchmarkt Neben Google drängen mit neuen Suchgewohnheiten und technologischem Potenzial auch Meta AI, Perplexity und andere Anbieter auf den Markt. KI als strengere Gatekeeperin Robin erläutert, warum KI viel selektiver filtert als klassische Suchmaschinen, wodurch sich eine reduzierte Ergebnisvielfalt und ein höherer Bias ergeben. Urheberrecht und Content-Verwertung Diskussion über den Einfluss von KI auf Inhalte, Urheberschaft und Monetarisierung – inklusive der Kritik von Mario Fischer. Mario Fischer zu KI und Urheberrecht: https://www.linkedin.com/posts/mariofischer_das-ist-kein-ai-overview-mehr-was-google-activity-7321413100744712192-UfrG Rankingverlust trotz Google-Topposition Kerstin Schiefelbeins Case zeigt, dass klassische Rankings kaum noch eine Rolle spielen, wenn KIs eigene Antworten generieren. Die Case Study von Kerstin zu KI und Google Rankings: https://bit.ly/45uyp2k Wie KI Inhalte finden und bewerten Wie genau funktioniert der technische Ablauf einer KI-Suche? Robin erklärt den Prozess von der Intent-Erkennung über die semantische Extraktion bis hin zum Retrieval aus mehreren Quellen. Strategien für KI-Optimierung Entscheidend sind folgende Kriterien: Crawlbare Inhalte, Chunking, Autorität durch Referenzen und Aktualität. Hinweis: Beim Chunking werden Inhalte in kleine, strukturierte Informationshappen gegliedert, damit sie leichter von KI und Nutzern verarbeitet werden können. Unterschiede zur klassischen SEO Anstelle allgemeiner Keyword-Optimierung verlangt AI-Search spezifischere, nutzenorientierte Inhalte. Bing-Optimierung für ChatGPT-Relevanz Da ChatGPT auf die Bing-Suche zurückgreift, wird Bing-SEO zum entscheidenden Faktor für die Sichtbarkeit. Warum KI auch falsche Informationen liefert Mithilfe eines Beispiels erklärt Robin die Ursachen für Halluzinationen in KI-Antworten und zeigt dir, wie du diese durch gezieltes Prompt-Engineering und Quellenpflege vermeiden kannst. Diese Herausforderung spielt auch eine Rolle beim Aufsetzen von UnternehmensGPTs: https://youtu.be/0tGXZPxThA0?si=opmq_q8fM7_EVrwM Was tun, wenn ChatGPT zu Deinen Produkten halluziniert? Dann kannst Du Dich bei OpenAI auf die Warteliste für Feed Submissions setzen lassen. Über dieses geplante Feature können Händler ihre Produkt-Feeds bald direkt an OpenAI senden, wodurch ChatGPT genauere und aktuellere Angebote an seine Nutzer ausspielen kann. Hier geht es zur Registrierung: https://openai.com/chatgpt/search-product-discovery/ Neue Messbarkeit und Tracking Unternehmen können heutzutage KI-Traffic auf verschiedene Arten tracken. Dazu gehören UTM-Tags und die Analyse der Darstellung in Antworten. KI-Werbung und Zukunft der Monetarisierung Ein Blick in die nahe Zukunft zeigt, dass sich KI-Sichtbarkeit künftig kommerzialisieren wird, analog zu SEO, SEA und Social Ads. 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Organic & Paid - Wie nutze ich die volle Datenpower in Social Media? Mit Till Weyerhäuser von Mawave | 23 May 2025 | 01:00:24 | |
Wie lässt sich die volle Datenpower in Social Media heben? Was lernen Marken aus Kommentaren, Creatives und Performance? Till Weyerhäuser von Mawave erklärt, wie sie datengetrieben Content und Kampagnen optimieren – von ATU bis Red Bull. Mehr als Views: Welche Social-Daten zählen Social Media liefert mehr als Klicks und Conversions: Es bietet direktes Nutzerfeedback. Kommentare und Reaktionen geben wertvolle Hinweise für gezielte Optimierungen. Wer ist Till Weyerhäuser und was macht Mawave? Till ist Growth Lead bei Mawave und entwickelt datengetriebene Strategien für Marken wie Lidl, Red Bull und HelloFresh. Mawave konzentriert sich auf Social Media – mit Fokus auf Performance und kreative Kommunikation. Lerne Till kennen: https://www.linkedin.com/in/till-weyer/ Datenvielfalt: Feedback, Creatives, Sentiment Neben Zahlen analysiert Mawave auch das Stimmungsbild in Kommentaren. So wird das Markenimage messbar und gezielt steuerbar. [Anzeige] Sponsor: Distart Weiterbildung mit Praxisbezug Tim stellt Distart vor – geförderte Weiterbildungen zu Online-Marketing, KI und Social Media. Er gibt dort regelmäßig Live-Sessions mit Praxisfokus. Mehr zu Distart: https://www.distart.de/datendurst Creative Case: ATU-AstroTV Reel bringt die Wende im Sentiment Ein humorvolles Reel im AstroTV-Stil generiert virale Reichweite und verbessert das Sentiment rund um ATU. Die Community reagiert kreativ auf alte Vorurteile. Der Trend stammt von dear_nithi: https://www.tiktok.com/@dear_nithi / https://www.instagram.com/dear_nithi Plattformverhalten: TikTok vs. Instagram Virale Inhalte starten meist auf TikTok und landen später auf Instagram. Die Performance ist ähnlich – mit zeitlichem Versatz. Content-Entwicklung: Mischung aus Bauchgefühl und Daten 70 % der Inhalte basieren auf Daten, 30 % auf Plattformverständnis und Intuition. Besonders kreative Formate entstehen durch Teammitglieder mit tiefem Plattformwissen. Content-Abstimmung auf Zielgruppen Erfolgreicher Content passt zur Zielgruppe des Profils. Stilbrüche können der Performance schaden. Mawave achtet auf Konsistenz im Auftritt. Paid Insights: UGC vs. Static Ads UGC sorgt für mehr Aufmerksamkeit und günstigere Ausspielung, statische Ads bringen oft bessere Conversions. Mawave kombiniert beides entlang des Funnels. Data Warehouse: Struktur, Benchmarking, Automatisierung Ein zentrales Data Warehouse bündelt Kampagnendaten, speist Dashboards und ermöglicht kanalübergreifende Learnings. Warum ist es so schwer, Social Media und Analytics zusammenzubringen? Daniel Zoll hat eine Antwort: https://youtu.be/069RsspTX9E?si=X0Lm8VASCjrLqHmP Predictive & Alerts: Performance-Signale früh erkennen Slack-Alerts und automatisierte Hinweise machen Trends und Abweichungen schnell sichtbar - für schnelleres Reagieren. Data Team: Praxisnah, lean, performanceorientiert Das Datenteam arbeitet eng mit Performance-Units. Plattform-Erfahrung kombiniert mit Datenanalyse-Skills ist der Schlüssel für Hammer Performance. Social als Feedback-Kanal: Kommentare analysieren Kommentare liefern qualitative Insights. Mawave nutzt sie zur Stimmungsanalyse und zur Content-Optimierung. Wie wichtig Community Insights sind, weiß auch Winfried Ebner von der Telekom: https://youtu.be/MOwFmBB-m4w?si=zbynAAxLaYSkyyIP Wettbewerbsanalyse: Kommentare als Inspiration Auch bei der Konkurrenz verraten Kommentare viel über Produktwahrnehmung. Diese Erkenntnisse können genauso in neue Creatives fließen. Attribution & Funnel-Logik: Daten zwischen den Plattformen Statt komplexer Attributionsmodelle setzt Mawave auf Inkrementalitätsanalysen. Entscheidend ist die Gesamtwirkung eines Kanals. 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Neuigkeiten bei Datendurst | Mit Tim Ebner | 09 May 2025 | 00:11:17 | |
Tim stellt Datendurst strategisch neu auf. In dieser Solo-Folge erklärt er, was bleibt, was geht und warum sich der Podcast in Zukunft stärker auf Audio fokussieren wird. Vorschau: Spannender Besuch in der nächsten Folge In der nächsten Folge begrüßt Tim Till Weyerheuser von Mawave. Er zeigt, wie man das volle Potenzial von Daten aus organischen und bezahlten Social-Media-Kanälen ausschöpft. Mit Einblicken aus der Zusammenarbeit mit Marken wie Red Bull, ATU und Outfittery bringt Mawave jede Menge Know-how mit. Zuhören lohnt sich! [Anzeige] Kooperation mit Distart Zum ersten Mal wird der Podcast von einem Sponsor unterstützt: Distart bietet geförderte Weiterbildungen zu digitalen Themen und Online-Marketing an. Tim selbst moderiert dort Live-Sessions - eine enge Verbindung von Praxis und Bildung. https://www.distart.de/datendurst Was der Podcast wirklich kostet Die Analyse der Produktionskosten ist ernüchternd: Ein Jahr Datendurst kommt finanziell einem Neuwagen gleich. Der erhoffte Return on Investment durch Kundenaufträge ist bisher ausgeblieben, eine Kurskorrektur ist notwendig. Was ankommt: Inhalte, die Reichweite bringen Besonders erfolgreich sind Episoden mit klaren Themenschwerpunkten und spannenden Persönlichkeiten aus bekannten Unternehmen wie RTL oder der Telekom. Auf LinkedIn erzielen Thumbnails mit starken Zitaten die größte Aufmerksamkeit - ein Kanal, der gezielt bespielt wird. Tschüss Kurzclips: Warum das Format nicht überzeugt Tim verabschiedet sich von experimentellen Videoformaten für TikTok, Instagram und YouTube Shorts. Der Aufwand steht in keinem Verhältnis zum Ergebnis - weder Engagement noch Reichweite konnten überzeugen. Neues Setup: Weniger Video, mehr Klarheit Künftig liegt der Fokus auf dem Audioformat - auch auf YouTube. Nur besonders relevante Episoden werden zusätzlich visuell aufbereitet und bei positiver Entwicklung ist ein wöchentlicher Rhythmus nicht ausgeschlossen. Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 | |||
| Wie die TELEKOM Kommunikation mit Daten transformiert hat | Mit Winfried Ebner von MediaMarkt | 25 Apr 2025 | 00:57:37 | |
Was passiert, wenn PR, Marketing und Branding eines Großkonzerns beschließen, mit einer gemeinsamen Datenbasis zu arbeiten? Winfried Ebner erzählt, wie die Telekom diesen Wandel organisiert hat - und warum Daten allein nicht ausreichen, um die Zusammenarbeit wirklich zu verändern. Strategie statt Aktionismus: Warum man mit Denken beginnen sollte Bevor Daten verarbeitet oder Dashboards gebaut werden, braucht es ein gemeinsames Verständnis der Prozesse und Zielwirkungen in der Kommunikation. Ohne dieses Fundament führt technische Umsetzung oft ins Leere. Agilität in der Praxis: Sprints und klare Zuständigkeiten Kurze Arbeitszyklen halfen dabei, Fortschritte sichtbar zu machen. Gleichzeitig braucht es Führungskräfte, die das Team gegen äußere Einflüsse abschirmten. Wenn Daten die Deutungshoheit infrage stellen Nicht jede Führungskraft begrüßt Daten als Entscheidungshilfe. Die Sorge, an Einfluss zu verlieren, kann Veränderung bremsen. Wer Winfried Ebner ist – und was Corp.Com bei der Telekom bedeutet Winfried bringt wissenschaftlichen Hintergrund und Konzernpraxis zusammen. Corp.Com steht für die Gesamtkommunikation der Telekom auf Konzernebene. Trinity-Projekt: Drei Disziplinen, ein Ziel PR, Marketing und Marke wurden in einem Projekt organisatorisch verbunden. Das Ziel: eine gemeinsame Datenbasis und abgestimmte Steuerung. Konsens finden: So entstehen gemeinsame KPI Unterschiedliche Fachbereiche hatten teils widersprüchliche Metriken. Die Herausforderung bestand darin, diese in einem konsistenten Set zusammenzuführen. Wenn Analyse auf Realität trifft: Konfliktpotenziale im Projekt Widersprüche zwischen Datenlogik und Fachbereichswissen führten immer wieder zu Spannungen – ein typisches Muster in Transformationsprojekten. Datengetrieben – aber nicht datenvergessen Automatisierung ist hilfreich, aber nicht ausreichend. Menschen und Kontexte bleiben entscheidend für Interpretation und Entscheidung. Iterativ zum Reporting: Der Wert kontinuierlicher Entwicklung Ein fertiges System entstand nicht auf einmal, sondern in Etappen. Die Daten wurden schrittweise eingebunden und strukturiert. Das Treiberhaus: Wirkung modellieren statt nur messen Mit einem eigenen Wirkmodell wurde sichtbar gemacht, welche Faktoren Kommunikation beeinflussen. Das half, Prioritäten zu klären. CORE.IO: Ein Ordnungsrahmen für Kommunikationsdaten Das Modell gliederte die Datenlandschaft in vier zentrale Ebenen: Kontext, Response, Impulse und Steuerungsmöglichkeiten. Abstimmungen, Budgets und der alltägliche Zielkonflikt Kampagnen konkurrieren oft um Sichtbarkeit und Ressourcen. Eine gemeinsame Datenbasis kann diese Diskussionen fundierter machen. Führung im Datenprojekt: Vertrauen und Raum schaffen Gute Führung zeigt sich darin, Teams arbeiten zu lassen – und politische Hürden für sie aus dem Weg zu räumen. Humor als Teamfaktor: Der Datenpömpel Ein einfaches Requisit wurde zum Symbol interner Wertschätzung. Kleine Rituale können viel zur Kultur beitragen. Grenzen datengetriebener Organisationen Nicht alles, was zählt, lässt sich in Daten erfassen. Und nicht jedes Unternehmen ist bereit, Entscheidungen allein auf Daten zu stützen. Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 🚀 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 | |||
| Datenkultur entfesseln - Wie Unternehmen den Wandel schaffen | Mit Katharina Breme von Migros Industrie | 11 Apr 2025 | 01:02:54 | |
Katharina Breme darüber, wie Unternehmen Daten gezielt nutzen, Widerstände überwinden und eine datengetriebene Kultur nachhaltig verankern können. Die Bedeutung einer bewussten Datenkultur Datenkultur gibt es in jedem Unternehmen – doch ist sie gezielt aufgebaut oder historisch gewachsen? Was Unternehmenskultur mit Daten zu tun hat Kultur ist das, was den Arbeitsalltag prägt, auch wenn niemand darüber spricht. Warum Daten ohne Kontext wertlos sind Daten allein sind keine Lösung – erst im Zusammenspiel mit Unternehmensprozessen liefern sie Mehrwert. Jede Organisation hat eine Datenkultur – bewusst oder unbewusst Ob strukturiert oder chaotisch – jede Firma hat eine Art, mit Daten umzugehen. Wer nicht aktiv eingreift, läuft Gefahr, riskante Datenpraktiken zu etablieren. Datenkultur gezielt formen statt dem Zufall überlassen Ein strukturierter Umgang mit Daten beginnt bei den richtigen Rahmenbedingungen. Unternehmen müssen Werte, Prozesse und Verantwortlichkeiten definieren. Praktische Schritte für eine nachhaltige Datenkultur Theorie allein reicht nicht – gelebte Routinen machen den Unterschied. Warum Veränderungen scheitern können Menschen neigen dazu, bestehende Gewohnheiten zu verteidigen. Die entscheidende Rolle der Führungsebene Führungskräfte prägen die Datenkultur mehr als jede Strategie. Der richtige Zeitpunkt, um Datenkultur aktiv zu steuern Je mehr Daten im Unternehmen genutzt werden, desto wichtiger wird ein klarer Umgang damit. Veränderung durch Schmerz: Wenn Probleme zum Handeln zwingen Oft wird Datenkultur erst dann ernst genommen, wenn der Schaden zu groß wird. Welche Unternehmen besonders von einer starken Datenkultur profitieren Nicht nur Tech-Unternehmen brauchen datengetriebene Prozesse. Auch traditionelle Branchen können sich durch bessere Datenkompetenz Wettbewerbsvorteile sichern. Unternehmensbereiche mit der besten Datenkultur Während einige Abteilungen von Natur aus datengetrieben arbeiten, fehlt in anderen oft das Bewusstsein. Muss die Initiative zur Datenkultur „von oben“ kommen? Datenkultur lebt von der Breite der Organisation – doch ohne Rückhalt aus der Führung scheitern viele Initiativen. Vom Konzept zur Umsetzung: Datenkultur erlebbar machen Eine lebendige Datenkultur zeigt sich in täglichen Entscheidungen, nicht nur in Leitlinien. Die Macht von Communities für langfristigen Wandel Wandel gelingt durch Menschen, nicht durch Tools. Warum interne Netzwerke und Data Champions eine zentrale Rolle spielen. Wie lange dauert es, eine Datenkultur zu etablieren? Ein Kulturwandel geschieht nicht über Nacht – er braucht Zeit, Strukturen und konsequente Umsetzung. Katharina Breme auf LinkedIn: https://www.linkedin.com/in/katharina-breme-switzerland Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community ! 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 | |||
| Ohne SEO kein GEO | Mit Stefan Kiecker von SEOCATION | 18 Jul 2025 | 00:45:52 | |
ChatGPT, AI Overviews und GEO: Alles nur Buzzwords? Oder verändert sich die Sichtbarkeit in Suchmaschinen gerade? Stefan Kiecker spricht mit Tim über den Stand bei Generative Engine Optimization (GEO) und erklärt, warum 90% davon nach wie vor klassisches SEO bleibt. Wer ist Stefan Kiecker und was macht SEOCATION? Stefan ist Senior SEO Consultant bei SEOCATION. Sein Fokus liegt auf technischem SEO, insbesondere bei datengetriebenen und KI-bezogenen Themen. Lerne Stefan kennen: https://www.linkedin.com/in/stefan-kiecker/ Lerne SEOCATION kennen: https://www.linkedin.com/company/seocation/ Personal Branding mit der „SEO-Brille" Auf LinkedIn ist Stefan bekannt für seinen augenzwinkernden Auftritt mit der pixeligen SEO-Brille. Ein Beispiel, wie humorvolles Personal Branding Reichweite schafft. Was bedeutet „Ohne SEO kein GEO"? Trotz des KI-Trends bleibt SEO die technische Grundlage für Sichtbarkeit. 90 % der Optimierung für AI-Overviews oder ChatGPT-Antworten basieren weiterhin auf klassischem SEO. [Anzeige] Weiterbildung mit Distart Distart bietet geförderte Weiterbildungen zu Marketing, Digitalisierung und KI an. Auch mit Einblicken aus der Praxis. Mehr Infos unter: https://distart.de/datendurst Kritik am GEO-Hype: Sales-Fokus statt Substanz Der Begriff GEO (Generative Engine Optimization) wird aktuell von vielen Marketing-Anbietern genutzt. Häufig ohne echtes technisches Verständnis. Hier geht’s zur Begriffsfindung mit Olaf Kopp: https://bit.ly/40rGTE0 Wie funktionieren AI Overviews technisch? Google nutzt eigene Suchergebnisse, um AI-Overviews zu generieren. Dabei können auch irrelevante Quellen von hinteren Suchergebnisseiten einfließen. Schau dir auch den Beitrag von Matthäus Michalik an: https://bit.ly/44E1U0F Warum Suchmaschinen durch KI nicht abgelöst werden Chatbots wie ChatGPT verwenden Suchmaschinen als Basis für Antworten. Die klassische Websuche bleibt damit zentral für die Sichtbarkeit. Fehlerquellen bei AI Overviews und ChatGPT Falsche Antworten, veraltete Daten oder sogar absurde Empfehlungen wie „Klebstoff essen” zeigen die Grenzen aktueller Systeme. Product Feeds und geplante Werbung in ChatGPT Künftig sollen Unternehmen eigene Datenfeeds für KI-Systeme bereitstellen können. Auch Werbung in ChatGPT ist bereits angekündigt. Begriffswirrwarr: GEO, LLMO, AIO & Co. Die Szene diskutiert Begriffe wie GEO, LLMO (Large Language Model Optimization) oder AIO. Doch am Ende wird sich der Begriff durchsetzen, den die meisten nutzen. Hier geht es zur Begriffsdiskussion: https://bit.ly/44DHe98 Literatur zu Grounded Theory: Google Trends Analyse: Was setzt sich durch? Daten zeigen: GEO erlebt weltweit einen massiven Anstieg an Suchinteresse. LLMO wird bislang seltener gesucht. Google Trends zur Begriffsfindung: Messbarkeit von GEO: Aktueller Stand und Tools Die Google Search Console zeigt keine separaten Daten zu AI Overviews. Externe Tools wie Sistrix oder SEMrush liefern erste Einblicke. AI Overviews in den USA und UK: Ein Blick in die Zukunft In den USA sind AI Overviews bereits für rund 25% der Suchanfragen aktiv. Mit spürbaren Traffic-Verlusten für Inhalteanbieter. Auswirkungen auf Journalismus und Content-Produzenten KI kann Informationen zusammenfassen, doch dafür braucht es weiterhin hochwertige Quellen. Die Gefahr: Kleinere Anbieter werden verdrängt. Sichtbarkeit in ChatGPT verbessern: Trainingsdaten & Social Signals Gezielte Nennungen auf hochwertigen Plattformen wie Reddit oder Wikipedia erhöhen die Chance, in KI-Antworten aufzutauchen. So recherchiert ChatGPT: https://bit.ly/4lulAd5 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Social-Listening-Mythen, die Du kennen solltest! Mit Levi Távora Veiga | 12 Sep 2025 | 01:03:38 | |
Tim spricht mit Levi über gängige Missverständnisse im Social Listening. Gemeinsam räumen sie mit Mythen auf und stellen effektive Methoden vor. Social-Listening-Mythen, die du kennen solltestTim begrüßt Levi von CURE Intelligence. Er arbeitet seit vielen Jahren im Bereich Media Listening und Data Engineering. Gemeinsam sprechen sie über die Entwicklung von Social Listening und darüber, warum es mehr ist als reines Monitoring. Lerne Levi kennen: https://www.linkedin.com/in/leviveiga/ Wer ist Levi Távora Veiga?Levi berichtet von seinen Anfängen als Werkstudent bis hin zu seiner heutigen Position als Managing Director bei CURE Intelligence. Das Unternehmen bietet Leistungen in den Bereichen KI-Anwendungen, Data Engineering und Digital Marketing an. Lerne das CURE Intelligence kennen: https://www.linkedin.com/company/cure-intelligence/ Was Social Listening eigentlich istBeim Social Listening wird bewusst gelauscht, was Stakeholder im Internet über Marken, Produkte oder Themen sagen. Dazu zählen Wortmeldungen in Social Media, aber auch Foren, Bewertungsportalen, News-Seiten und vielen weitere Quellen. [Anzeige] Weiterbildung mit Distart Distart bietet auch geförderte Weiterbildungen zum Thema „Social Media Listening“ an. Einblicke in die Praxis sind ebenfalls Teil des Angebots. Mehr Infos gibt es unter: https://distart.de/datendurst Monitoring beschreibt die reine quantitative Beobachtung, bei der Daten gesammelt und ausgewertet werden. Listening geht einen Schritt weiter, da es Daten interpretiert, Handlungsempfehlungen ableitet und strategische Relevanz schafft. „Also für mich ist Social Listening das Aktive, also wirklich das bewusste Zuhören, was nicht nur meine Kunden, sondern was meine Stakeholder über mich und meine Produkte im Internet sagen.“ Ohne klare Geschäftsziele und abgestimmte Anforderungen zwischen Fachabteilung und Analysten können keine belastbaren Ergebnisse erzielt werden. Es müssen Business-Know-how und technische Umsetzung zusammenkommen. Das ist nur bedingt möglich. Wer die Daten nicht während des Ereignisses erfasst, muss entweder historische Daten teuer zukaufen die zwangsläufig Lücken aufweisen oder hat gar keine Datenbasis . Nicht jede Interaktion ist wertvoll. Um positives von schädlichem Engagement zu unterscheiden, sind Sentiment, Zielgruppen-Fit und Kontext entscheidend. „Das heißt, nicht jedes Engagement ist gut. Beispielsweise spreche ich hier von der Bierbranche. Die generieren unheimlich viel Engagement.“ Datenquellen, Keywords, Schnittstellen und das Nutzerverhalten ändern sich ständig. Ein Setup muss deshalb kontinuierlich gepflegt werden. Grundkenntnisse sind schnell erworben, für belastbare Reports braucht es jedoch Erfahrung, Training und ein Verständnis für Datenquellen und den Business-Kontext. „Es kann jeder lernen. Ich sage mal so: Jeder hat schon mal Berührungspunkte damit, sogar privat und ohne dass er in einem Unternehmen arbeitet, das Social Listening macht.“ Performance-Reports, die beispielsweise Reichweite oder Klickzahlen erfassen, gehören nicht ins Listening-Tool. Social Listening liefert hingegen qualitative Analysen zu Inhalten, Themen und Diskussionen. Die Tools unterliegen europäischen Datenschutzstandards. Entscheidend ist der richtige Umgang mit ihnen: Daten müssen anonymisiert, nur relevante Informationen gespeichert und interne Prozesse etabliert werden. „Man sollte schon gucken, dass man geprüfte Tools einsetzt, also die Datenschutzerklärungen zur Verfügung stellen, vielleicht bei Vertragsabschluss oder sogar beim Test des Tools.“ Viele Inhalte bleiben unzugänglich, beispielsweise private Profile, geschlossene Gruppen oder LinkedIn-Beiträge außerhalb der eigenen Unternehmensseite. Tools erfassen nur öffentlich zugängliche Daten und freigegebene Schnittstellen. Instagram liefert nur Inhalte von Business-Profilen, Facebook nur von Seiten und von Gruppen bei denen man Administratorrechte hat. Das Gespräch auf LinkedIn lässt sich aktuell nur zu einem sehr kleinen Teil inhaltlich analysieren. Die Affäre um Cambridge Analytica hat strengere Regeln gebracht. Neben rechtlichen Hürden spielen auch API-Beschränkungen sowie ethische Fragen, beispielsweise zur Profilbildung oder zum Community-Schutz, eine Rolle. Lese mehr über die Cambridge-Analytica-Affäre: https://www.mainzer-medieninstitut.de/facebook-datenmissbrauch-um-cambridge-analytica/ 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Data & AI holistisch angehen, aber wie? Mit Marco Geuer (Ex-FIEGE) | 29 Aug 2025 | 01:04:39 | |
Marco Geuer spricht mit Tim darüber, wie Unternehmen Data- und AI-Strategien systematisch aufbauen sollten. Statt blindem Aktionismus geht es um Business Cases, Datenqualität und cross-funktionale Teams. Einführung ins Thema Tim spricht mit Marco Geuer über die Frage, wie Unternehmen Data und AI strategisch und ganzheitlich angehen können. Der Fokus liegt dabei auf Struktur statt blindem Hype. Wer ist Marco Geuer? Marco ist seit über 25 Jahren im Bereich Data und AI aktiv. Zuletzt war er als Global Head of Data Strategy & AI Solutions bei Fiege tätig. Heute ist er Partner bei Blueforte und berät Unternehmen in Fragen der Datenstrategie. Lerne Marco Geuer kennen: http://linkedin.com/in/marco-geuer-the-data-economist/ AI in der Praxis: Von Aktionismus bis Governance-Risiken Auf den Hype um AI reagieren viele Unternehmen mit Aktionismus. Marco sieht die Gefahr, dass die Themen Datenschutz und Governance ohne eine entsprechende Strategie übergangen werden. GenAI auf „Microsoft-Office-Level“ Zwischen Begeisterung und Überforderung: GenAI wird wie Microsoft Office genutzt und das mal auf gute, mal auf schlechte Art und Weise. Dadurch bleibt die Differenzierung zwischen Unternehmen gering. Auch spannend: Warum du für ChatGPT optimieren solltest: https://youtu.be/EP_S8__LoJM?si=qLrQjV1KmNPZdD0U Datenschutz und Governance beim Einsatz von Agenten Wenn sensible Daten ohne Kontrolle weitergegeben werden, bergen automatisierte Agenten Risiken. Marco plädiert deshalb für klare Governance-Strukturen. AI ist kein Feature, sondern ein Prinzip Laut Jörg Hirt, Chief Innovation Manager bei der REWE Digital GmbH, darf AI nicht als isoliertes Tool verstanden werden. Unternehmen benötigen Baukästen und Plattformen. „Wer bei KI immer noch an Use Cases denkt, hat den Schuss nicht gehört.” Mehr dazu unter: https://www.linkedin.com/posts/joerg-hirt_ai-kifirst-innovation-activity-7332450400505110528-c9Ny Unternehmensstrategie als Basis für AI-Strategie Marco betont, dass die Planung von Data und AI im Kern die Planung der Unternehmensstrategie bedeutet, deren Grundlage Vision, Mission und langfristige Ziele sind: „Wenn du dich mit Data und AI Strategie beschäftigst, dann beschäftigst du dich ja eigentlich mit Unternehmensstrategie.“ Datenproduktion vs. klassische Produktion Im Vergleich zur industriellen Fertigung fehlt es in Datenprojekten oft an Standardisierung. Ohne Standardisierung lassen sich jedoch keine skalierbaren Lösungen entwickeln. So standardisierst Du im ersten Schritt Deine Dashboards: https://www.youtube.com/watch?v=qA3B5o0Zvuo Cross-funktionale Teams statt Kunden-Lieferanten-Denken Silos bremsen die Transformation. Erst wenn Business und IT gemeinsam an Prozessen arbeiten, entstehen funktionierende Lösungen. Kultur, Hierarchie und internationale Unterschiede In asiatischen Ländern wird kollektivistischer gearbeitet und schneller umgesetzt. Im Westen stehen dagegen oft individuelle Ziele und Hierarchien im Weg. OKRs und multidimensionale Ziele OKRs sollen Silos aufbrechen. In vielen Unternehmen fehlt jedoch die richtige Umsetzung dieses Ansatzes, um Ziele tatsächlich zu erreichen. „Cross-funktionale Arbeit erfordert multidimensionale Denkweise. Wenn du alleine bleibst, bleibst du eindimensional. Wenn du viele unterschiedliche Köpfe zusammenbringst, fängst du an, multidimensional zu denken.” Tesla und Amazon: systemische Transformation statt Use Cases Beide Unternehmen zeigen: Transformation gelingt nicht durch kleine Einzelprojekte, sondern wenn ganze Systeme neu gedacht werden. Bausteine einer Data- und AI-Strategie Eine tragfähige Strategie muss sich auf zentrale Elemente stützen. Dazu gehören Business Cases als Startpunkt, kulturelle Anpassungen, IT-Infrastruktur und Datenqualität. Hier geht’s zum Simon-Sinek-Video: https://youtu.be/u4ZoJKF_VuA?si=ZadotBlcFIn-DNNq So verbesserst Du Deine Datenqualität: https://www.youtube.com/watch?v=8SqRzgfzJh8 Advanced Rapid Data Performance Simulation (ARDPS) Mithilfe von ARDPS lassen sich Datenquellen schnell auf ihre Leistungsfähigkeit hin überprüfen. So wird frühzeitig deutlich, ob ein Business Case realisierbar ist. Von Use Cases zu Business Cases Erfolgreiche Unternehmen orientieren sich an klaren Business Cases statt an isolierten Use Cases. Entscheidend sind cross-funktionale Teams und Fokus. „Arbeite dich Business Case für Business Case ab und verteile die Ressourcen nicht auf viele Projekte, da dies alle Projekte verlangsamt.” 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Data Driven ist eigentlich Quatsch! | Mit Sebastian Wernicke | 15 Aug 2025 | 01:00:24 | |
Ist „datengetrieben“ wirklich der passende Begriff? Sebastian Wernicke erklärt, warum er den Begriff „data inspired“ bevorzugt und wie Unternehmen Daten tatsächlich nutzen sollten. Im Gespräch mit Tim geht es um Datenmythen, kulturelle Hürden und praktische Tipps für die Transformation. Wer ist Sebastian Wernicke? Seit über 20 Jahren arbeitet Sebastian an der Schnittstelle von Daten, Organisation und Wertschöpfung. Im Podcast teilt er seine Sicht auf die strategische Nutzung von Daten. Lerne Sebastian kennen: https://www.linkedin.com/in/wernicke/ Das Buch „Data Inspired“ In „Data Inspired“ zeigt Sebastian, warum datengetriebenes Arbeiten eher eine Kulturfrage als ein Technologiethema ist und was Unternehmen oft missverstehen. Das Buch findest du hier: https://www.vahlen.de/wernicke-data-inspired/product/35418267 [Anzeige] Weiterbildung mit Distart Es gibt flexible, förderfähige Online-Kurse rund um KI, Daten und digitales Marketing. Tim hält dort auch regelmäßig Live-Sessions ab. Mehr zu Distart: https://www.distart.de/datendurst Kritik am Begriff „datengetrieben“ Der Begriff weckt falsche Erwartungen: Daten sollten keine Entscheidungen übernehmen, sondern diese lediglich unterstützen. Datenmythen: Eindeutigkeit, Interpretation, Klarheit Daten sind nicht objektiv, sondern interpretationsbedürftig. Drei typische Missverständnisse behindern ihre produktive Nutzung. Daten als Gesprächsanlass, nicht als Lösung Daten liefern nur selten eindeutige Antworten. Sie helfen jedoch dabei, die richtigen Fragen zu stellen und Perspektiven zu klären. Kultur vor Architektur: Der echte Hebel für Transformation Technische Systeme allein reichen nicht aus. Erst wenn Kultur und Entscheidungsprozesse datenoffen sind, kann eine Transformation gelingen. Mehr zu Daten und Kultur: https://youtu.be/4ng046uNIAE?si=-rhx4zG53bea8t2I Die Rolle des Chief Data Officers Ein CDO benötigt ein Mandat, ein Netzwerk und eine Einbindung. Wer das Thema lediglich delegiert, wird oft scheitern. Daten als bilanzierbares Asset Daten werden zunehmend als wirtschaftliches Gut behandelt. In Projekten lohnt es sich daher, ihren potenziellen Wert zu betrachten. Welche Daten gelöscht werden sollten Nicht alle Daten sind nützlich. Veraltete oder unstrukturierte Informationen verursachen in der Regel nur Kosten. Die vier Reiter der Daten-Transformation Sebastian nennt vier typische Hürden bei der organisatorischen Nutzung von Daten und zeigt auf, wie man ihnen begegnen kann. Mit Daten und Kreativität zum Erfolg: https://youtu.be/I_uvUjL3ICg?si=l2EGDE_nigGDg8-e Leuchtturmprojekte als Fehleinschätzung Einzelne Vorzeigeprojekte erzielen oft keine nachhaltige Wirkung, da sie selten die gesamte Organisation überzeugen. Warum viele Prototypen scheitern Viele gute Ideen scheitern, weil sie nie für den produktiven Einsatz gedacht waren und wichtige Anforderungen ignorieren. Der menschliche Faktor in der Datenarbeit Technik allein löst keine Konflikte. Ohne die Einbindung der Menschen bleibt jeder Use Case eine Insellösung. Data Informed, Data Driven, Data Inspired Daten als Entscheidungsgrundlage? Ja, aber noch wirkungsvoller sind sie als Inspiration für strukturelle Veränderungen. 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Wie funktioniert Kundenservice Automatisierung mit KI | Mit Ralf Mühlenhöver | 01 Aug 2025 | 00:54:32 | |
Smarter Kundenservice durch KI? Wie funktioniert das konkret? Ralf Mühlenhöver spricht mit Tim über echte Use Cases entlang der gesamten Customer Journey: Vor, während und nach dem Kontakt. Wer ist Ralf Mühlenhöver? Ralf ist seit 25 Jahren im Bereich Customer Experience und Technologie aktiv, hat zwei Unternehmen gegründet und verkauft. Heute arbeitet er freiberuflich als Berater mit Fokus auf Technologie im Kundenservice. Lerne Ralf kennen: https://www.linkedin.com/in/ralfmuehlenhoever/ Use Cases: Vor dem Kundenkontakt Kundendaten helfen, Servicekontakte im Vorfeld zu vermeiden. Das Teilen von Daten und Informationen zwischen Marketing, Logistik und Kundenservice verbessert die Planung und Reaktionsfähigkeit. „The best service is no service“: Fehler präventiv vermeiden Auch wenn diese Redewendung vielleicht ein Fiebertraum ist: Wenn alle Abteilungen gut zusammenarbeiten, wird Kundenkontakt oft überflüssig. Durch Daten und Kommunikation lassen sich viele Probleme voraus ahnen und vermeiden. „Fehler passieren überall. Wenn wir es aber schaffen, diese Daten frühzeitig zu nutzen, dann können wir uns darauf einstellen, was passiert.” Predictive Analytics: Kaffeemaschinen & Lifecycle-Angebote Mit Predictive Maintenance und Daten aus dem IoT-Umfeld können Unternehmen passende Cross- und Upselling-Angebote automatisieren. Beispiel: Nespresso nutzt Lebensdauer-Prognosen für gezieltes Marketing. Intent-Erkennung und Dunkelverarbeitung KI erkennt den Zweck einer Anfrage automatisch. Standardanfragen wie „Where is my order?“ können komplett automatisiert und direkt beantwortet werden. Agentische KI vs. klassische Automatisierung „Agentic AI“ steht für KI-gesteuerte Prozessketten. Wo heute noch einfache Automatisierung hilft, übernehmen künftig autonome Systeme ganze Abläufe. „Agentische KI [...] hat irgendwie nichts mit dem Agenten im Callcenter zu tun, sondern es ist tatsächlich ein Wort, was sich jetzt neu prägt, wo es darum geht, komplette Prozesse durch eine Maschine erledigen zu lassen.” Empathie: Mensch vs. KI im Sales Auch wenn KI nur Empathie simuliert, wird sie teils als einfühlsamer wahrgenommen als echte Mitarbeiter: Je nach Kontext ein Vorteil oder Risiko im Sales-Prozess. Hyperpersonalisierung mit CDPs Statt grober Zielgruppenansprache ermöglichen Customer Data Platforms (CDPs) individuelle Kommunikation auf Basis historischer Kundendaten: Automatisiert und skaliert. „Aufgrund der Menge der Daten, die ich im CRM oder in meiner Customer Data Platform, CDP, über dich gesammelt habe, kann ich dann eben auch individualisierte Angebote machen.” AI-Shoring: Vom Callcenter zur Cloud Unternehmen lagern Services zunehmend in Near- und Offshore-Regionen aus. Das geschieht inzwischen nicht mehr nur menschlich, sondern KI-basiert. Ralf spricht hier von „AI-Shoring“. Missbrauchspotenziale durch Voicebots Tools wie Blend.ai bieten aggressive Automatisierung im Outbound. Daraus entsteht auch ein hohes Missbrauchspotenzial für Scam-Calls. Schutzmechanismen und Regulationen sind gefragt. Kundenrouting & Voice Verification: Auslaufmodell? Sprachbiometrie war lange ein Sicherheitsfeature. Doch in Zeiten stimmgenerierender Tools und Deep Fakes wird diese Verifikationsmethode angreifbar. Alternativen sind gefragt. Echtzeitübersetzung bei Booking.com & Google Live-Übersetzung ermöglicht internationalen Kundenservice ohne Sprachbarrieren. Erste Umsetzungen von Booking und Google zeigen, was technisch möglich ist. Co-Pilot im Kundenkontakt: Assistenz statt Autopilot Agent Assist Tools geben während des Gesprächs Empfehlungen und Inhalte. Das entlastet Mitarbeitende und verbessert Qualität und Bearbeitungszeiten. Gesprächszusammenfassung & Einsparpotenzial bei EnBW KI erstellt nach dem Call automatisch Gesprächsnotizen. Das spart pro Fall bis zu 60 Sekunden. Bei EnBW wurde so die Qualität erhöht und gleichzeitig die Kosten gesenkt. Predictive NPS & Qualitätsanalyse mit KI Als Alternative zu Umfragen analysiert die KI alle Kundenkontakte, um Zufriedenheit zu prognostizieren. „Und daraus kann ich ein NPS predicten, mit dem großen Vorteil, dass ich 100% der Calls in meiner, ja, in meiner ,Umfrage’ dann drin habe und nicht eh schon den ersten Filter drin habe.” Auch Gespräche, die nicht den Qualitätsstandards entsprechen, lassen sich so automatisch erkennen und nachverfolgen. 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Warum du in Social Media auf Analysen setzen solltest | Mit Jens Wiese (Gründer AllFacebook.de) | 26 Sep 2025 | 01:02:00 | |
Daten spielen in der Social-Media-Strategie eine zentrale Rolle, doch oft werden Likes und Reichweite fälschlicherweise als wichtigste Erfolgsindikatoren gewertet. Jens Wiese und Tim erklären, welche Kennzahlen wirklich relevant sind und wie Unternehmen Daten sinnvoll einsetzen können. Daten in der Social-Media-Strategie Tim und Jens beginnen mit der Frage, wie Daten die Grundlage für Social-Media-Strategien bilden können. Sie machen direkt deutlich, dass Likes und Follower keine belastbare Strategie darstellen. [Anzeige] Weiterbildung mit Distart Distart ist einer der führenden, zertifizierten Anbieter geförderter, topaktueller Weiterbildungen zu den Themen Online-Marketing, Digitalisierung und KI. Mehr Informationen findest du unter: https://distart.de/datendurst Wer ist Jens Wiese? Jens erzählt von seiner Rolle als Mitgründer der AllFacebook Marketing Conference. Heute arbeitet er als Berater für Social-Media-Strategie mit Unternehmen jeder Größe zusammen. Lerne Jens Wiese kennen: https://www.linkedin.com/in/jens-wiese/ Likes sind keine Strategie Jens Wiese erklärt, warum Unternehmen oft in die Falle tappen, jede Zahl als KPI zu betrachten. Wirklich relevant sind nur Kennzahlen, die zu den Unternehmenszielen beitragen, etwa Umsatzsteigerung oder Bewerbungen. „Das sind wirklich Zahlen, die aussagen, wie die Performance deines Gesamtunternehmens aussieht. KPI sind aber nicht, wie viele Likes du bekommst, wie viele Fans oder was auch immer du hast, weil deinem Unternehmen geht es nicht besser dadurch, dass du 1000 oder 1500 Fans oder Follower hast.” Unternehmensziele statt isolierter Kennzahlen Social Media sollte nicht isoliert betrachtet werden, sondern muss zu den langfristigen Unternehmenszielen beitragen. Dazu gehören beispielsweise Umsatzsteigerung, Recruiting oder Kundenzufriedenheit. Das ACCRA-Framework als Orientierung Tim stellt das ACCRA-Framework mit den Kategorien Awareness, Consideration, Conversion, Retention und Advocacy vor. Es schafft eine klare Struktur, um KPI entlang der Customer Journey zu verorten. „Ja, und da sehe ich immer, dass es einfach viel zu kurz gedacht wird. Also es wird immer dieser erste Aspekt, hey, ich möchte die Aufmerksamkeit haben, der wird hochgehalten, aber alles, was dahinter kommt, überhaupt nicht mehr beachtet, ja, oder auch nur weiter bearbeitet.” Silodenken und fehlende Schnittstellen Oft bleibt Social Media in einem eigenen Silo gefangen. Dadurch fehlen Verbindungen zwischen den Bereichen Marketing, Vertrieb, HR oder Kundenservice. Praxisbeispiele für Datennutzung Jens zeigt, wie Leads aus Social Media in CRM-Systeme oder Newsletter überführt werden können. Wichtig ist, Daten nicht nur zu sammeln, sondern sie auch aktiv weiterzuverarbeiten. Paid vs. Organic Social Organische Reichweite ist volatil und schwer planbar. Mit Paid-Kampagnen lassen sich dagegen verlässliche Ergebnisse und messbare Conversions erzielen. „Diese hohen Erwartungen, die es an Organic gibt, kann ich überhaupt nicht unterstreichen, weil das Organic am Ende ja eine Blackbox ist. Ich schmeiße da was rein und je nachdem, wie der Algorithmus heute drauf ist, bekomme ich entweder irgendwie Reaktionen oder aber auch mal keine.” Reichweite und Relevanz differenzieren Reichweite ist nur dann wertvoll, wenn sie die richtige Zielgruppe erreicht. Entscheidend ist die Qualität der Kontakte, nicht ihre Masse. Qualität von Likes und Engagement Likes sind erst strategisch relevant, wenn sie von Personen aus der Zielgruppe oder von Meinungsführern stammen. Likes von eigenen Mitarbeitenden haben dagegen nur geringen Wert. Datenqualität und Audience-Differenzierung Im Paid-Bereich lassen sich Zielgruppen klarer analysieren und bewerten. So kann unterschieden werden, welche Zielgruppen qualitativ wertvolles Engagement liefern. „Also wenn wir merken, die Audiences oder die Leads, die uns Social Media jetzt rüber reicht zu E-Commerce, haben einen ganz bestimmten Cost per Conversion. Und der ist bei Social Media besonders niedrig. Dann kann man sagen, das ist gut. Oder man kann sagen, okay, die haben uns vielleicht mehrere Audiences oder Leads überreicht und mehrere Gruppen davon. Die Gruppe war gut, die Gruppe war nicht so gut, hiervon sollten wir mehr machen, davon weniger. Diese Differenzierung, die fehlt in der Praxis viel zu oft.” Budget-Kämpfe und fehlender Wissenstransfer Zwischen Social Media und Performance-Marketing entstehen oft Budget-Konflikte. Fehlendes Wissen auf Entscheider-Ebene verschärft diese Probleme zusätzlich. Harte vs. weiche Ziele im Social Media Organische Aktivitäten zielen in der Regel auf Reichweite und Engagement ab. Paid-Kampagnen können hingegen harte Kennzahlen wie Conversions oder Leads abbilden. Balance zwischen Nutzer- und Unternehmenszielen Unternehmen müssen einen Mittelweg finden zwischen Inhalten, die die Nutzer unterhalten, und solchen, die die Unternehmensziele unterstützen. Nur so entsteht langfristig Relevanz. Themenfelder und langfristige Relevanz Eine klare Definition von Themenfeldern sorgt für Konsistenz im Content. So bauen Unternehmen Vertrauen auf, schaffen nachhaltig Communities und vermeiden Beliebigkeit. Community-Interessen vs. Unternehmensziele Die Likes und Interessen der Community können als Orientierung dienen, sollten aber nicht die alleinige Grundlage für die Strategie sein. Wichtiger ist eine Kombination aus Unternehmenssicht und externer Resonanz. Erwartungsmanagement und Ressourcen-Realität Social-Media-Erfolge hängen oft von den verfügbaren Ressourcen ab. Ein realistisches Erwartungsmanagement verhindert Frustration und falsche Vergleiche mit viralen Ausnahmen. Stakeholder-Management und interne Schnittstellen Social-Teams müssen interne Abteilungen als Stakeholder aktiv einbinden. So lassen sich Ziele abstimmen und unnötige Konflikte vermeiden. Datenzugang, Silos und Kulturprobleme Ein großes Hindernis sind fehlende Zugriffsrechte auf zentrale Systeme wie Analytics. Oft sind organisatorische Silos die Ursache und nicht technische Barrieren. „Da habe ich einfach unglaubliche Silos, die keiner aufbricht. Die gibt es in jeder Ecke. Das HR ist jetzt ein Teil, aber PR ist vielleicht irgendwie noch ein anderer, Sales, was auch immer. Ich habe diese ganzen Silos und dass die nicht aufgebrochen werden in den Unternehmen ist für gutes, ich will sogar sagen Marketing insgesamt, ein sehr großes Problem.” Case: Social Media als Umsatztreiber Jens berichtet von einem Tourismusunternehmen, das eine Sonderöffnung erfolgreich über Social Media kommuniziert hat. Der direkte Umsatzbeitrag konnte dadurch klar nachgewiesen werden. Reporting richtig ausrichten Reportings sollten immer an den Bedürfnissen der internen Zielgruppe ausgerichtet sein. Statt vieler unnötiger Kennzahlen braucht es wenige, relevante KPI, die für Entscheider nachvollziehbar sind. 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Endgegner Mittelstand? Wie Daten- und KI-Strategie gelingen! Mit Stephan Hausberg (Ex-1&1 Versatel) | 24 Oct 2025 | 00:46:04 | |
Wie gelingt eine Datenstrategie im Mittelstand? Tim spricht mit Stephan Hausberg über fehlende Datenkultur, Priorisierung, Agentic AI und den Weg vom Use Case zum Business Case. Erfahre mehr über die Master Class „Marketing & Sales Analyst” des neuen Sponsors Haufe Akademie unter haufe-akademie.de/analyst. Einführung und Thema der FolgeTim eröffnet das Gespräch mit Stephan über den „Endgegner Mittelstand“ und geht dabei der Frage nach, warum Datenstrategien dort oft schwer umzusetzen sind und wie es dennoch gelingt. Vorstellung von Stephan HausbergStephan ist bei 1&1 Versatel vom Analysten bis zum Head of Data aufgestiegen und berät heute mit onemoreoption.ai Unternehmen zu Datenstrategie und -anwendung. Privat ist er Familienmensch und begeisterter Sportler, beruflich ein Problemlöser mit Leidenschaft für Daten. Erfahre mehr über Stephan: https://www.linkedin.com/in/dr-stephan-hausberg-679750118/ Schau auch bei www.onemoreoption.ai vorbei. Warum Data im Mittelstand so schwierig istIm Mittelstand fehlen oft Daten-Teams und eine etablierte Datenkultur. Viele Geschäftsführer treffen Entscheidungen aus Erfahrung, meist ohne eine datenbasierte Grundlage zu haben. Bauchgefühl vs. DatenorientierungStephan betont, dass die Einstellung „Das haben wir schon immer so gemacht“ nicht immer falsch ist. Wichtig sei es, zu erkennen, wann Erfahrung trägt und wann sich die Rahmenbedingungen verändert haben. Fehlende Teams, Ziele und PriorisierungTim beschreibt ein Beispiel aus dem Marketing eines mittelständischen Unternehmens, in dem eine einzelne Person für alles zuständig ist. Ohne klare Ziele und Prioritäten verpufft der Raum für Datenanalysen. Führungskultur und Arbeitsrealität im MittelstandÜberforderung, Reizüberflutung und Fachkräftemangel erschweren datenorientiertes Arbeiten. Führung sollte klare Prioritäten setzen und Überlastung vermeiden. Fokus auf Kerngeschäft und ZukunftsrisikenUnternehmen, die sich ausschließlich auf ihr Kerngeschäft konzentrieren und dabei Daten vernachlässigen, riskieren langfristig Wettbewerbsnachteile. Wie man Daten im Mittelstand zum Fliegen bringtLaut Stephan beginnt es mit Wissenstransfer in Geschäftsführung, Aufsichtsräten und Teams. Denn oft fehlt das grundlegende Verständnis dafür, wie Daten Mehrwert erzeugen. Beispiel: KI-Modell und fehlende AbstimmungEin Praxisbeispiel zeigt, wie ein KI-Projekt wegen mangelnder Abstimmung scheiterte, obwohl das Modell funktionierte. Fehlende Kommunikation führte dazu, dass der Nutzen nicht erkannt wurde. Datenkultur durch kleine Erfolge und ExperimenteKleine Proofs of Concept helfen dabei, Neugier und Vertrauen aufzubauen. Fehler sind dabei unvermeidlich, entscheidend ist jedoch die Bereitschaft, aus ihnen zu lernen und zu experimentieren. Use Cases vs. PlattformdenkenStephan betrachtet Use Cases als Einstieg und nicht als Endziel. Während sich Plattformansätze für Konzerne lohnen, sollte man im Mittelstand mit überschaubaren Projekten starten und später skalieren. Agentic AI im Mittelstand: Chancen und GrenzenAgentic AI kann die Entwicklungszeit von Proofs of Concept zwar stark verkürzen, eine produktionsreife Umsetzung ersetzt es jedoch nicht. Der Gewinn liegt in der Experimentiergeschwindigkeit und nicht in fertigen Lösungen. Schatten-KI und Risiken im AlltagViele Mitarbeitende nutzen KI bereits, obwohl es noch keine offiziellen Richtlinien gibt. Stephan warnt vor den damit verbundenen Datenschutzrisiken und fordert klare Regeln, Schulungen und Transparenz im Umgang mit KI-Systemen. Prompt Engineering und SicherheitPrompt Injection, Datensicherheit und ethische Grenzen: Stephan erläutert auf humorvolle Weise, wie sich versteckte Befehle in Social Media Texte einschleusen lassen und welche Risiken damit verbunden sind. Vom Use Case zum Business CaseLetztendlich geht es um die Übersetzung technischer Ideen in wirtschaftliche Argumente. Nur wenn Projekte messbare Effekte – etwa in Zeitersparnis – belegen können, überzeugen sie im Mittelstand. Vertrauen und Verständlichkeit sind dafür der Schlüssel. 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Data Rhapsody: Marketing zwischen Zahlen und Gefühl | Mit Tiankai Feng (Ex-adidas) | 10 Oct 2025 | 00:53:18 | |
Marketing Analytics bewegt sich zwischen harten Zahlen und menschlichem Bauchgefühl. Tiankai zeigt, wie der 5C-Ansatz dabei hilft, Datenstrategien menschlicher und praxisnäher zu gestalten. Erfahre mehr über die Master Class „Marketing & Sales Analyst” des neuen Sponsors Haufe Akademie unter haufe-akademie.de/analyst. Einführung und Thema der Folge Tim eröffnet die Folge mit Tiankai Feng und stellt das Thema vor: Marketing zwischen Zahlen und Gefühl. Beide wollen zeigen, wie analytische Methoden und menschliche Faktoren in einer datengetriebenen Strategie zusammenspielen. Lerne Tiankai kennen: https://www.linkedin.com/in/tiankaifeng/ Rückblick auf Tiankais Weg: Musik, Adidas, Analytics, BuchautorTiankai berichtet von seiner beruflichen Laufbahn, die bei Adidas im Bereich Social Listening begann. Später wechselte er in Business Intelligence und beriet Unternehmen in Analytics-Fragen. Heute schreibt er Bücher und verbindet technische Expertise mit menschlicher Perspektive. Mehr über Tiankais Wergegang erfährst du auch in dieser Podcastfolge: https://youtu.be/S3oGdWpO9OA?si=y9ZZdVM-IPiLLaC3 Humanizing Data Strategy und neues Buch Humanizing AI StrategySein erstes Buch Humanizing Data Strategy verkaufte sich erfolgreich im Fachbuchmarkt. Aktuell arbeitet er am Nachfolger Humanizing AI Strategy, der den verantwortungsvollen Umgang mit künstlicher Intelligenz behandelt. Beide Werke setzen bewusst den Menschen ins Zentrum technologischer Entwicklungen. Das Buch Humanizing Data Strategy: Das Buch Humanizing AI Strategy: Kompetenz: Data Literacy und Business-VerständnisKompetenz umfasst sowohl analytisches Know-how als auch Verständnis für Business-Kontexte. Nur wenn Data Professionals die Sprache der Stakeholder sprechen, können sie Wirkung erzielen. Gleichzeitig müssen Business-Seiten Grundkenntnisse in Daten entwickeln, um den Dialog auf Augenhöhe zu führen. Follow the Pain Approach zur Data LiteracyTiankai stellt den „Follow the Pain“-Ansatz vor: Data-Projekte sollten dort beginnen, wo die größten Schmerzpunkte liegen. Stakeholder mit akuten Problemen sind motivierter für neue Lösungen. Dadurch entsteht schneller Mehrwert und Vertrauen in datengetriebene Arbeit. „Follow the Pain bedeutet, dass man nicht mit Big Bang startet und sagt: ‚Alle müssen jetzt Data Literate werden! Wir machen jetzt eine große Akademie und dann sind alle dabei!‘, sondern dass man mit denjenigen startet, bei denen die Schmerzpunkte am größten sind.“ Business-Wissen im Team: Generalisten vs. BottlenecksEinige Teams bündeln Business-Verständnis in einer zentralen Rolle, andere verteilen es breiter. Tiankai warnt vor Engpässen, wenn nur Einzelne als Schnittstelle fungieren. Nachhaltiger ist es, wenn alle Teammitglieder zumindest grundlegendes Business-Wissen mitbringen. Shadowing und Beobachtung von StakeholdernEin praktischer Ansatz ist das Shadowing, bei dem Analysten den Alltag von Stakeholdern begleiten. So werden Arbeitsweisen, Entscheidungsprozesse und Herausforderungen greifbarer. Oft zeigen sich dadurch Barrieren in der Datennutzung, die vorher verborgen waren. “Aber ja, für ein Shadowing braucht man natürlich zwei Seiten, die damit einverstanden sind.” Kollaboration statt Service-DenkenZusammenarbeit wird häufig als Service verstanden, bei dem Analytics nur liefert. Tiankai plädiert für Co-Creation, also gemeinsames Erarbeiten von Zielen und Lösungen. Dieses Mindset schafft langfristig bessere Ergebnisse und stärkere Beziehungen. Lerne mehr über Co-Creation in Data & AI Projekte in der Folge mit Marco Geuer: https://www.youtube.com/watch?v=1B9MPmxTFJ8 Datenlücken, Naming Conventions und politische HürdenIn Marketing-Kampagnen fehlt oft die Datengrundlage, etwa durch unklare Naming Conventions. Anpassungen erfordern Abstimmungen mit Agenturen oder anderen Teams und sind politisch sensibel. Ehrlichkeit über Datenlücken und proaktive Planung helfen, langfristig bessere Strukturen zu schaffen. Stakeholder-Typen und MotivationGute Kommunikation bedeutet, den Wert von Daten nicht nur rational, sondern auch individuell zu vermitteln. Motivation entsteht, wenn Stakeholder erkennen, wie Analytics ihre eigenen Ziele unterstützt. Unterschiedliche Typen wie „Believer“ und „Skeptiker“ erfordern angepasste Ansprache. „Aber wie ich immer sage, ist das nur die eine Hälfte der Kommunikation. Die andere Hälfte ist der individuelle Wert, den es für die jeweiligen Personen, mit denen man arbeitet, hat.” Kommunikation je nach Ebene: Operative vs. ExecutivesJe nach Ebene unterscheiden sich die Erwartungen an Informationen. Operative Mitarbeiter brauchen Details für Entscheidungen, Executives dagegen schnelle Zusammenfassungen. Wer Kommunikationsstil und -medium anpasst, erreicht schneller Akzeptanz und Vertrauen. Hier findest Du die Email-Charta: https://www.emailcharter.info Kreativität, Fehlerkultur und ExperimenteInnovation erfordert die Freiheit, Experimente zu wagen. Eine offene Fehlerkultur fördert psychologische Sicherheit und ermöglicht kreatives Arbeiten. Formate wie „Fuckup Nights“ können helfen, aus Fehlern zu lernen und Wissen zu teilen. Ethik, Datenschutz und RisikoakzeptanzIm Umgang mit Daten spielen Ethik und Datenschutz eine zentrale Rolle. Bias in Algorithmen oder unsaubere Datennutzung bergen Risiken, die nur interdisziplinär adressiert werden können. Ziel ist es, akzeptable Risiken zu definieren und pragmatische Lösungen zu finden. „Um damit richtig umzugehen, muss man cross-funktional arbeiten und die richtigen Leute mit an Bord holen, um diese Dinge zu identifizieren und zu minimieren. Das heißt, wenn man in einem Unternehmen Ethics-Experten hat, kann man diese hinzuziehen. Das Gleiche gilt für Diversity-Inclusion-Experten. Wenn es um Datenschutz-Themen geht, kann man natürlich auch die Legal-Teams hinzuziehen.” Quintessenz des 5C-Ansatzes und AusblickTiankai fasst den 5C-Ansatz zusammen: Kompetenz, Kollaboration, Kommunikation, Kreativität und Conscience. Im Kern geht es darum, den Menschen konsequent ins Zentrum von Datenstrategien zu stellen. Sein Buch bietet dafür Orientierung, und das kommende Werk über AI knüpft daran an. 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Datenkultur zum Mitnehmen: Die ersten Schritte für jedes Unternehmen | Mit Karen Gärtner (Ex-Fressnapf) | 21 Nov 2025 | 00:53:20 | |
Tim spricht mit Karen Gärtner über Datenkultur im Unternehmen: Warum sie die Basis für datengetriebenes Arbeiten ist, welche Rolle Vertrauen, Haltung und Strukturen spielen und wie kreative Formate wie Graffiti oder Data Escape Rooms helfen können, Silos aufzubrechen. [Anzeige] Auf der Website haufe-akademie.de/future erfährst du mehr über die Masterclasses der Haufe Akademie rund um digitale Transformation, agiles Arbeiten und Corporate Learning. Einführung und Vorstellung von Karen GärtnerKaren Gärtner ist IT-Architektin bei der Kasseler Verkehrs- und Versorgungsgesellschaft sowie Head of Training & Events bei der Data Management Association Deutschland (DAMA). Sie spricht über Datenkultur als Grundlage für gute Entscheidungen. Lerne Karen kennen: https://www.linkedin.com/in/karen-gaertner/ Datenkultur als Thema der FolgeGemeinsam klären Tim und Karen, was Datenkultur bedeutet, weshalb sie oft unterschätzt wird und wie sie die Nutzung von KI fördert. Daten und Prozesse als „Bruder und Schwester“Karen beschreibt, wie Prozesse und Daten einander bedingen. Prozesse erzeugen Daten und Daten geben Prozessen Richtung und Qualität. Beides gehört untrennbar zusammen. Berührungsängste im Umgang mit DatenViele empfinden Datenarbeit als fremd oder zu komplex. Eine gute Datenkultur verringert diese Distanz, weckt Interesse für Daten und fördert das gemeinsame Verständnis zwischen Fach- und Daten-Teams. Die Rolle der DAMA und das DMBoKKaren erklärt, was die DAMA macht: Sie setzt Standards im Datenmanagement, organisiert Community-Events und ist Herausgeberin des „Data Management Body of Knowledge“. Warum Datenkultur Unternehmen stärktEine Datenkultur sorgt dafür, dass Daten nicht nur gesammelt, sondern aktiv genutzt werden. Sie schafft Vertrauen, fördert Mut und ermöglicht datenbasierte Entscheidungen. Was Datenkultur ausmacht: Haltung, Werte, VerhaltenSie umfasst technische, organisatorische und emotionale Aspekte. Sie wird in Prozessen und Rollen sichtbar, in Vertrauen, Glaubenssätzen und Zusammenarbeit hingegen unsichtbar. Wie man schlechte Datenkultur verändertFür einen Kulturwandel braucht es Zeit und Verständnis. Karen empfiehlt deshalb, zunächst das Unternehmen und sein Verhalten zu beobachten und dann schrittweise Veränderungen umzusetzen. Silos erkennen und Unternehmenskultur analysierenDatensilos verhindern Transparenz. Mithilfe einer Analyse der Ist-Kultur können Offenheit, Datenflüsse und Kooperationsbereitschaft bewertet und verbessert werden. Top-down und Bottom-up in der DatenkulturDatenkultur entsteht durch Bewegung von beiden Seiten. Die Führungsebene schafft Strukturen und Orientierung, während die Mitarbeitenden Ideen und Use Cases einbringen. Strukturen schaffen: noninvasive Ansätze und HausbesucheAnstatt große Programme zu starten, empfiehlt Karen kleine Schritte: In bestehenden Prozessen ansetzen, Use Cases fördern und durch „Hausbesuche“ Vertrauen schaffen. „Headroom“: Warum Zeit und Raum entscheidend sindWie in der Musik braucht auch die Datenarbeit Freiraum. Unternehmen sollten ihren Mitarbeitenden Zeit und Budget geben, um Neues auszuprobieren und Ideen zu entwickeln. Datenkultur-Formate: Open Sessions, Data Escape Rooms, Lego Serious PlayKreative Formate fördern das Verständnis für ein Thema und machen es spannend. Ob Workshops, Data Days oder Lego Serious Play: Entscheidend ist, dass die Mitarbeitenden selbst aktiv werden. Graffiti als Symbol für datengetriebenes ArbeitenKaren erzählt von einem Data-Day-Projekt, bei dem Mitarbeitende ein Graffiti zur digitalen Transformation gestalteten – als sichtbares Symbol ihrer gemeinsamen Datenarbeit. Datenkultur und KI: Wie Vertrauen und Qualität KI ermöglichenEine reife Datenkultur ist Grundlage für sinnvolle KI-Anwendungen. Nur mit klaren Verantwortlichkeiten, guter Datenqualität und kritischem Denken kann KI Mehrwert schaffen. Triff Karen!Beim Stammdatenforum des Deutschen Kongresses, das am 27. November 2025 stattfindet, bieten Fabienne Schnieders (TU Dortmund) und Karen Gärtner (DAMA) einen Workshop zum Thema „Data Culture“ an. 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Smells like Team Spirit: Guter Führungsstil als Head of Data | Mit Sascha Leweling von RTL (1/2) | 07 Nov 2025 | 01:06:00 | |
Tim und Sascha sprechen darüber, wie sie zu ihren Führungsrollen bei RTL und innogy.C3 kamen, was gutes Onboarding für Führungskräfte ausmacht und wie man mit Karrierewünschen, schwierigen Teamdynamiken und der Kommunikationskultur umgeht. [Anzeige] Auf der Website haufe-akademie.de/analyst erfährst du mehr über die Master Class "Marketing & Sales Analyst" des neuen Sponsors Haufe Akademie. Einführung und Thema der Folge Tim eröffnet die Episode mit Sascha Leweling von RTL. Gemeinsam sprechen sie über Führung in Data-Teams: vom Einstieg in die Rolle, über Teamkultur bis hin zu Kommunikation und Vertrauen. Sascha ist dir vielleicht noch von dieser Folge bekannt: https://youtu.be/k3tvwCM0QuI?si=__MCzQFIafmZJ3m6 Von Data Science zur Führung: Saschas Weg bei Obi und RTL Sascha beschreibt, wie er vom Data Scientist zum Head of Customer Analytics wurde. Der Übergang vom Fach- zum Führungsverantwortlichen brachte neue Perspektiven und Verantwortung mit sich. Tims Einstieg in die Führungsrolle bei innogy.C3 während der E.ON-Übernahme Tim erzählt, wie er in einer Umbruchsphase in die Führung gerückt ist – mit Restrukturierungen, Team-Abgängen und einem hohen Maß an Eigeninitiative. Onboarding, Coaching und die Google Oxygen Attributes Ein Coaching- und Mentoring-Programm half Tim dabei, seine Werte als Führungskraft zu entwickeln. Grundlage waren die Google Oxygen Attributes „Develop your team” und „Get things done”. Mehr zu Google Oxygen Attributes: https://www.inc.com/marcel-schwantes/google-research-says-what-separates-best-managers-from-rest-boils-down-to-8-traits.html Karriereentwicklung und Mitarbeiterbindung Beide betonen, wie wichtig es ist, Mitarbeitende bei internen Wechseln zu unterstützen, statt sie zu blockieren. Talentbindung steht über Team-Ego. Was macht Google Manager aus: https://rework.withgoogle.com/intl/en/guides/managers-research-behind-great-managers Vertrauen, Transparenz und eine interne Wechselkultur Eine offene Kommunikation über Karriereziele stärkt das Vertrauen im Unternehmen. Verschweigen oder Misstrauen schaden der Kultur langfristig. Onboarding bei RTL: Vertrauen, Eigenverantwortung und Führungskräfteschulung Saschas Start bei RTL war ein Sprung ins kalte Wasser: Micromanagement gab es nicht, dafür Vertrauen und Verantwortung vom ersten Tag an. Das DISG Modell und Persönlichkeitstypen in Data-Teams In beiden Onboardings wurde das DISG Modell – dominant, initiativ, stetig, gewissenhaft – als pragmatische Heuristik zur Teamzusammenstellung und Kommunikation angewendet. Mehr zum DISG Modell: https://www.disg-modell.de/ueber-disg/einfuehrung/ Dominanz, Eigenwahrnehmung und Feedbackkultur Tim reflektiert seine dominante Ausprägung und zeigt auf, wie die Übereinstimmung von Selbst- und Fremdbild dabei helfen kann, Konflikte konstruktiv zu lösen und die Kommunikation zu verbessern. Strukturen bei RTL: Teamaufbau und Cloud-Migration Sascha schildert die technischen und organisatorischen Veränderungen bei RTL: den Wechsel von On-Premise-Systemen zur Cloud sowie die Neuorganisation der Stakeholder-Strukturen. New Ways of Working und Meetingkultur bei innogy.C3 Tim beschreibt, wie innogy.C3 agile Meetingstrukturen mit klaren Rollen, Transparenz, Check-ins und Fokus auf Zielorientierung etablierte. Kooperative Kommunikation nach Moritz Küffner Sie besprechen Küffners Ansatz der kooperativen Kommunikation, bei der es um Augenhöhe, das Vermeiden von Verlierern und das Nutzen schwieriger Situationen geht. Mehr über Kooperative Kommunikation: https://www.kokomm.net/prinzip#kooperative-kommunikation Fehlerkultur, Augenhöhe und Vertrauen im Team Zum Abschluss geht es um Fehlermanagement im Data-Bereich: Fehler dürfen passieren, entscheidend ist, wie man als Führungskraft reagiert – mit Rückendeckung und Lernorientierung. Officevibe im Detail: https://workleap.com/officevibe 🎧 Bleib immer auf dem neuesten Stand mit der Microsoft Teams Community: 👉 Neue Folgen sofort auf dem Schirm 👉 Direkt bei der Arbeit reinhören 👉 Wertvolle Folgen mit Kollegen teilen 👉 Mit Data & Analytics-Experten vernetzen ➡️ Jetzt beitreten! https://teams.live.com/l/community/FEANNwVOOhLHQt2uAM Wir freuen uns auf dich! 💬 Mehr zu Datendurst und Host Tim: https://www.linkedin.com/company/datendurst/ https://www.linkedin.com/in/ebner-tim/ Unterstütze den Podcast: | |||
| Mit schicken Berichten ist BI nicht getan! | Mit Simon Bongers von ROSE Bikes | 19 Dec 2025 | 00:58:39 | |
Tim spricht mit Simon Bongers darüber, warum Business Intelligence (BI) weit über Visualisierungen hinausgeht und wie Datenmodelle, Governance und agile Produktentwicklung zusammenspielen. Anhand konkreter Beispiele aus der BI-Praxis von ROSE Bikes demonstriert Simon, wie Datenqualität, Modellierung und Prozesse fundierte Entscheidungen ermöglichen. Begrüßung und WeihnachtsauftaktTim eröffnet die Folge im Weihnachtssetting und stellt Simon von ROSE Bikes vor. Direkt zu Beginn geht es darum, wie Fahrräder und BI gleichermaßen Geschenke mit Wirkung sein können. Lerne Simon kennen: https://www.linkedin.com/in/simon-bongers-b061431ba/?originalSubdomain=de ROSE Bikes und ROSE DigitalSimon erläutert die Struktur von ROSE Bikes und seiner Tochter ROSE Digital, die aus einer übernommenen Agentur hervorgegangen ist. Heute bündelt ROSE Digital den gesamten IT-Bereich inklusive Business Intelligence (BI). Erfahre mehr zu ROSE Bikes unter - https://www.instagram.com/rose_bikes/?hl=de, - https://www.instagram.com/rosecircle/ - oder https://de.linkedin.com/company/rose-bikes [Anzeige] Haufe Akademie: Sponsor & KI-WeiterbildungTim stellt die Haufe Akademie als Sponsor des Podcasts vor und weist auf die Future Jobs Classes hin. Im Fokus steht die zertifizierte Weiterbildung zum KI-Manager, in der die Teilnehmenden lernen, KI-Potenziale in Unternehmen zu erkennen und umzusetzen: https://haufe-akademie.de/ki Mythos BI: Warum bunte Charts nicht reichenCharts sind nur die letzte und sichtbare Schicht eines BI-Produkts. Entscheidend sind Kontext, Definitionen und die Herkunft der Daten. Ohne eine valide Grundlage bleibt jede Visualisierung oberflächlich. Integration mehrerer DatenquellenSimon beschreibt, wie Daten aus Meta, LinkedIn und weiteren Systemen über eine API ins Core-Data-Warehouse geladen werden. Anschließend werden die Daten abgeglichen, geprüft und kombiniert . Komplexität durch Mapping und DatenvalidierungIDs, Kampagnennamen oder Nutzerkennungen unterscheiden sich je nach System und müssen daher sauber gemappt werden. Erst dieses Mapping ermöglicht integrierte Auswertungen und korrekte Kennzahlen. Umrechnungskurse und wirtschaftliche EffekteWährungen, Fakturadaten und Wechselkursänderungen können zu Abweichungen zwischen Auftrag und Rechnungswert führen. Diese Effekte müssen im Reporting transparent abgebildet werden. Erklärung: „Fakturadaten" sind Daten auf Rechnungen und anderen Abrechnungsbelegen. Dimensionen- und Faktenmodell nach KimballSimon erläutert das Prinzip der zentralen Faktentabellen und der angebundenen Dimensionstabellen. Das Modell ermöglicht klare Schlüsselbeziehungen und konsistente Berechnungen im Reporting. Weitere Details zum Modell von Kimball: https://bit.ly/4a5168l Beispiel: Datumsdimension und WirtschaftsjahrDa Kalender- und Wirtschaftsjahre unterschiedlich verlaufen können, muss eine Datumsdimension zusätzliche Attribute bereitstellen. Damit lassen sich Year-to-Date-Analysen oder abweichende Geschäftsjahre korrekt abbilden. Performance, Struktur und die Schneeflocken-MetapherDas Modell wird je nach der Zahl der angebundenen Dimensionen als Stern oder Schneeflocke dargestellt. Diese Struktur fördert die Performance und erleichtert spätere Filterlogiken. Erfahre mehr über das Sternschema: https://www.databricks.com/de/glossary/star-schema Rolle des Product Owners bei BIDer Product Owner steuert die Produktentwicklung des BI-Systems, priorisiert Anforderungen und bildet die Schnittstelle zu Stakeholdern. Er entscheidet, was umgesetzt wird – wie dies geschieht, liegt beim Team. Vom BI Engineer zum Product OwnerSimon berichtet, wie er aus dem Engineering in die Rolle des Product Owners wechselte, um das BI-Team agiler aufzustellen: „[…] Dann durfte ich eine Schulung machen, mich also auch fachlich weiterentwickeln, ein Zertifikat erwerben und mich anschließend quasi selbst Product Owner nennen. Das mache ich jetzt auch im Team.“ Scrum vs. Kanban im BI-TeamWährend Scrum mit zweiwöchigen Sprints für Fokus und Verlässlichkeit sorgt, führt Kanban in der Praxis oft zu Priorisierungskonflikten. Kleine, klar geschätzte Aufgaben ermöglichen aber planbares Arbeiten. Großprojekt: Neues ERP, neues PIM, neues BIROSE hat sein ERP-System, sein PIM-System, seine Datenbank und sein BI-Frontend nahezu gleichzeitig erneuert. Der Umbau nahm viel Zeit in Anspruch und erforderte eine enge Zusammenarbeit zwischen der IT-Abteilung und den Fachbereichen. Was gute BI Produkte für das Geschäft bedeutenGute BI Produkte liefern konsistente Kennzahlen und vermeiden somit Diskussionen über unterschiedliche Zahlenstände. Sie unterstützen datenbasierte Entscheidungen in verschiedensten Bereichen wie Vertrieb, Logistik und Management. Zusammenarbeit zwischen Marketing und SalesMarketing- und Vertriebsdaten werden gemeinsam betrachtet, um Kampagnen, Abverkauf und Lagerreichweiten aufeinander abzustimmen. So lassen sich Budgets effizient einsetzen und Produktgruppen gezielt steuern. „Bei Rose funktioniert das Zusammenspiel zwischen Marketing und Sales sehr gut. Wenn jetzt zum Beispiel eine Marketingaktion läuft, dann werden entsprechend die Sales- und Marketingstrategien miteinander abgestimmt.” | |||
| Smells like Team Spirit: Guter Führungsstil als Head of Data | Mit Sascha Leweling von RTL (2/2) | 05 Dec 2025 | 01:03:14 | |
In Teil 2 gehen Tim und Sascha tiefer in ihren Führungsalltag in Data-Teams ein. Sie ordnen die Google Oxygen Attributes ein, sprechen über Enablement statt Tool-Engpässe und über knifflige Situationen, die Führungskräfte mittragen müssen. Einführung und Kernthese zu Tool-ExpertiseSascha eröffnet die zweite Folge mit der These, dass Analysten keine reinen Tool-Experten sein sollten. Power BI gilt beispielsweise als Standardwerkzeug, mit dem Teams end-to-end arbeiten können. Hier geht’s zum ersten Teil: https://open.spotify.com/episode/0U0lOp2hQDWyfdFLJJAL3c [Anzeige] Masterclass Marketing & Sales AnalystKennst du schon die „Marketing & Sales Analyst” Masterclass der Haufe Akademie? Wenn du mehr über das Angebot erfahren möchtest, schau unter haufe-akademie.de/analyst vorbei. Google Oxygen Attributes als FührungsrahmenTim nutzt die Google Oxygen Attributes for Great Managers gerne als Wertegerüst für seinen Führungsstil. Sie sind in die Kategorien „Develop your team” und „Get things done” unterteilt. Tim erklärt im Detail, was das bedeutet. Mehr zu den Google Oxygen Attributes: https://www.inc.com/marcel-schwantes/google-research-says-what-separates-best-managers-from-rest-boils-down-to-8-traits.html Inklusives Team-Umfeld, psychologische Sicherheit und OnboardingUnter „Develop your team“ geht es um respektvollen Umgang, Diversität und psychologische Sicherheit, insbesondere aufgrund täglicher Fehler im Data-Kontext. Tim beschreibt zum Beispiel seine Onboarding-Routine mit Zeit am ersten Tag und einem kleinen Willkommensritual. Micromanagement wird als Bremsklotz für Data-Teams angesehen. Führungskräfte sollten stattdessen Freiheit geben, Anleitung bieten und Innovation sowie wohlüberlegte Risikobereitschaft fördern. Ein Problem anzusprechen bedeutet, mit Lösungsvorschlägen zu kommen. So bleibt die Verantwortung beim Problemfinder und Aufgaben werden nicht an Andere delegiert. Tim nutzt das Format der One-on-Ones für Reviews, gemeinsame Zielsetzungen und die Besprechung aktueller Herausforderungen. Auf diese Weise entstehen Entwicklungsgespräche, Weiterbildungspläne und Leistungsfeedbacks. Im Teil „Get things done“ dreht sich alles um eine klare Teamvision, die regelmäßig überprüft und bei Bedarf angepasst wird. Daraus leiten sich Ziele, Ownership und Priorisierung ab. Tim schildert einen Merger-Fall, in dem sich Meetings aufgrund ungeklärter Datenzugriffe im Kreis gedreht haben. Tim half in diesem Fall seinen Mitarbeitern dabei, auf Grenzen der Compliance hinzuweisen und diese auch durchzusetzen . Sascha und Tim besprechen die Email-Charta. Das sind Regeln für kürzere und klarere E-Mails. Hierdurch werden Kommunikation und Zusammenarbeit effizienter. Dazu gehören z.B. Betreff-Tags wie EOM („End of Message“) oder NNTA („No need to reply“). Tim empfiehlt die Starfish-Methode (Start/Stop/Keep/More/Less) für Retros in kniffligen Situationen oder zum Rückblick auf abgeschlossene Projekte. Sie dient dazu Feedback strukturiert und konstruktiv zu sammeln. Sascha rät dazu, sie nur punktuell einzusetzen, damit sie nicht zur Routine wird. Erfahre mehr über die Starfish-Methode: https://www.teamretro.com/retrospectives/starfish-retrospective/ Sascha erzählt, warum er nach dem Weggang eines Power-BI-Experten bewusst einen Generalisten eingestellt hat. Tools wie Power BI und SQL sind für ihn Grundlagen, die eigentliche Leistung liegt in der Gedankenarbeit hinter einer End-to-End-Analyse. Sascha und Tim sprechen über Engpässe bei Meetings und Regeln wie „no agenda, no attender“. Kurze Dailys und ein leichtgewichtiges Jira-/Confluence-Board schaffen Transparenz über Aufgaben und Blocker. Im letzten Drittel des Podcast sprechen Tim und Sascha über disziplinarische Themen wie Probezeit, Kündigung oder sogar Abmahnungen. Außerdem diskutieren sie Top-down-Entscheidungen, für die sie sich einsetzen müssen, und nutzen dafür den „Circle of Influence” als Tool für mehr Resilienz. Mehr zum Circle of Influence: https://asana.com/de/resources/circle-of-influence Zum Abschluss verbindet Tim Delegation mit der Gefahr von „Scope Creep” und erzählt die Geschichte der „Vasa” als Beispiel für fehlende Dokumentation und ständig wachsende Anforderungen. Tim und Sascha betonen die Bedeutung klarer Anforderungsdefinitionen, kontinuierlicher Tests und pragmatischer Kommunikation im Analytics-Alltag. Die "Darwin gefällt das" Folge zum "Vasa" Projekt findest du unter https://open.spotify.com/episode/6DJTrSKLpLjeky0IUQ7BER?si=Vh8JXQhmTLu3rli3k3itkw . | |||
| Hinter dem Amazon Algorithmus steckt nichts Besonderes! | Mit Christian Kelm | 01 Jan 2026 | 01:06:02 | |
Tim spricht mit Christian Kelm über Amazon Analytics, Relevanzmechaniken und die Tatsache, dass der Algorithmus im Kern eine einfache Zählmaschine ist. Christian zeigt, wie Händler ihre Sichtbarkeit durch Kundensignale, Produktdetailseiten und Datenanalysen beeinflussen können. Einstieg und Vorstellung von Christian KelmTim begrüßt Christian Kelm und führt in das Thema „Amazon Analytics” ein. Er arbeitet seit vielen Jahren mit Amazon-Daten und beschäftigt sich mit Ranking-Mechaniken und Händlersemantik. Lerne Christian kennen: https://www.linkedin.com/in/christian-otto-kelm/ Erfahre mehr über die AMALYZE AG: https://www.linkedin.com/company/amalyze/ Die zentrale These zum Amazon-AlgorithmusChristian erläutert seine These: Der Amazon-Algorithmus ist weniger mystisch, als oft behauptet wird. Entscheidend sind das Kundenverhalten, Relevanzsignale und die Fähigkeit der Händler, die Marktbedingungen zu erfüllen. Haufe Akademie: Masterclass Marketing & Sales AnalyticsTim stellt den Sponsor des Podcasts, die Haufe Akademie, vor und verweist auf die Masterclass zum Marketing und Sales Analyst. Teilnehmende lernen dort, Marketing- und Sales-Aktivitäten datenbasiert zu steuern. Unter https://haufe-akademie.de/analyst erfährst du mehr. Zählmaschine, Relevanz und KundeninteraktionenDer Algorithmus basiert im Kern auf Klicks, Reaktionen auf Detailseiten und Kaufverhalten. Diese Signale werden gezählt und in Rankings überführt. „Zunächst muss man sich bewusst machen, dass es sich hierbei um eine reine Zählmaschine handelt. Nichts weiter. Im Rahmen der A Company kann man sich ein paar alte Patente angucken. Im Endeffekt geht es nur um Relevanz, also eine Sortierung nach Relevanz in einem riesigen Produktkatalog.” Schau Dir hier das erste Patent von A9 an: https://patents.google.com/patent/US20030195877A1/ Bewertungen, Preise und indirekte SanktionenSinkende Sternebewertungen oder unpassende Preiserhöhungen führen zu weniger Klicks und somit zu schlechteren Platzierungen. Amazon „bestraft“ nicht aktiv, sondern das Kundenverhalten erzeugt die Rankingveränderung. Preisgefüge und Keyword-RelevanzJe nach Keyword unterscheiden sich die Preisniveaus, etwa bei Goldarmbändern. Händler müssen verstehen, ob ein Begriff die Material- oder die Farbintention widerspiegelt. Volatilität der SuchergebnisseitenBei Produkten mit klaren Anforderungen, wie beispielsweise Wagenhebern, sind die Suchergebnisseiten träge. In anderen Kategorien verändern sich die Rankings aufgrund des Nutzerverhaltens und der Variantenvielfalt häufig. „Das heißt, die Volatilität unter diesem Keyword „Wagenheber” ist extrem niedrig, weil es sich um Wagenheber handelt, die den Wagen heben können.” Kundensprache, Ameisenalgorithmus und KaufmannsparadoxonChristian nutzt den Begriff „Ameisenalgorithmus”, um kollektives Kundenverhalten zu erklären. Das Kaufmannsparadoxon wiederum zeigt, wie Amazon Suchergebnisse aus mehreren aufeinanderfolgenden Käufen ableitet. Erfahre mehr über den Ameisenalgorithmus: https://wirtschaftslexikon.gabler.de/definition/ameisenalgorithmus-54002 Cross-Selling-Effekte in SuchergebnissenIn Suchergebnislisten erscheinen unerwartete Produkte, weil Käufer bestimmte Artikel häufig kombiniert erwerben. Amazon verkürzt diese Customer Journey, indem das Unternehmen diese Muster abbildet. Produktanforderungen und TitellogikAmazon-Titel wirken oft überladen, weil Händler ihre Anforderungen direkt in den Titel packen. Die Gewichtung des Titels für das Ranking ist jedoch geringer als von Vielen angenommen. Google-Amazon-Weiterleitungen und Ranking-EffekteChristian beschreibt, wie Google-Suchphrasen zu Amazon-URLs weiterleiten und Rankings beeinflussen können. Dabei spielen Canonical-URLs und Keyword-Kombinationen eine technische Rolle. „Wenn Amazon-Produkte in Google-Rankings auftauchen, liegt das an der Canonical-URL. Die lässt sich selber schreiben. Wenn du in den Titel fünf Wörter schreibst und einen Bindestrich einsetzt, wird die Canonical-URL automatisch erstellt.” Beispiel Pinkes Kühlpad: Ranking über PDP-TargetsDurch das Targeting anderer pinker Produkte über die PDP (= Product Detail Page) statt über Keywords konnte ein Kühlpad in zahlreichen Keyword-Umfeldern ranken. Dieser Ansatz nutzt Kaufpfade statt der klassischen Keyword-Relevanz. SEO, PPC und Targeting-StrategienFür Christian bedeutet SEO, die Sprache der Kunden zu verstehen und deren Suchintention abzuleiten. PPC ergänzt dies durch Sichtbarkeit an Positionen, die organisch noch nicht erreichbar sind. „Suchmaschinenoptimierung auf Amazon bedeutet, die Sprache der Kunden zu lernen. Kundisch ist die Sprache der Kunden: Was wird im Suchfeld eingegeben und wo geht der Pfad des Kunden lang?” Brand Analytics, Product Opportunity Explorer und Category InsightsAmazon stellt umfangreiche Datenquellen bereit, darunter Suchvolumina, Klickanteile, Preispunkte und saisonale Muster. Mithilfe dieser Daten können Händler Marktpotenziale und Wettbewerbsdynamiken bewerten. Erfahre mehr zum Product Opportunity Explorer: https://sell.amazon.com/tools/product-opportunity-explorer Werbedaten, KPIs und die Amazon Marketing CloudIn der Advertising-Konsole fehlen zentrale Kennzahlen wie die Conversion Rate oder die Kosten pro Bestellung, die jedoch berechenbar sind. Die Amazon Marketing Cloud ermöglicht tiefere Analysen von Kundenpfaden und Werbewirkung. | |||